一种智能猪舍管理方法及系统

本发明涉及计算机，具体而言，涉及一种智能猪舍管理方法及系统。

背景技术：

1、智慧农业已经得到越来越多的普及，在猪养殖领域越来越采用智能装置来进行，现有的养殖通常是通过自动搅拌等方式，还需要一些人力参与，不利于节省开支。

2、由于猪的养殖多是集中，对病毒的防治要求即可，如果养殖人员一不小心带进相关病毒或者细菌，有可能使得猪被感染，造成巨大损失。因此对安防要求极高，现有的安防多是通过人工管理或者人脸识别的方法进行。

3、目前，大多采用人脸识别的方法对来判定人脸身份。由于人脸具有唯一性，因此人脸辨认是身份识别最为普遍运用的一种方式。人脸识别能够很容易轻松就能根据人脸识别出人脸拥有者的身份。由于每个人脸之间具有相似性，所以为了提取人脸的特征，利用人脸之间不同的特征进行识别。所以为了提取更多的人脸特征，且准确的提取人脸特征，采用卷积的方法进行人脸特征的提取。

4、由于目前采用的人脸识别方法，都是先将拍摄得到的人脸图像输入人脸检测模型进行检测，得到只包括人脸的人脸区域。再将人脸区域中的人脸图像输入人脸识别模型中，对人脸进行识别。这种方法耗费的时间多，且人脸检测时获得的人脸特征本来能够用于人脸识。但是并没有使用，而是重新在人脸识别模型中重新对人脸进行卷积，提取人脸特征。

技术实现思路

1、本发明的目的在于提供了一种智能猪舍管理方法及系统，用以解决现有技术中存在的上述问题。所述的管理方法包括：

2、1)根据猪舍的实时温度进而控制猪舍的进风量进而控制猪舍温度；

3、2)根据猪舍的历史饲料消耗量预测下一个时间段饲料消耗量，并能够根据猪舍的饲料存量以及预测到的饲料消耗量计算需要补充的饲料量；

4、3)通过人脸识别方法来控制进入猪舍的人员；

5、4)检测猪的实时健康状态，并将健康异常的猪身份报送饲养人员，其根据猪的运动情况判断健康状态。

6、方法1包括检测猪舍温度的传感器以及控制用于排气的排气扇，所述的温控模块根据猪的大小类型被设定恒定温度，当传感器检测到的猪舍温度偏离恒定温度的时候，温控模块控制排气扇的转速进而控制废气排出的速度来控制温度。

7、第一方面，人脸识别方法包括：

8、获得监控图像；所述监控图像为人员进入猪舍时的图像；

9、将所述监控图像放入人脸检测识别模型，得到管理员值；所述管理员值为1，表示是管理员；所述管理员值为0表示不是管理员；

10、若管理员值为1，控制猪舍大门打开；

11、所述人脸检测识别模型包括：一个主干卷积网络、一个第一卷积网络和一个第二卷积网络：

12、主干卷积网络的输入为所述监控图像；第一卷积网络的输入为所述主干卷积网络的输出；第二卷积网络的输入为所述第一卷积网络的输出和所述主干卷积网络的输出。

13、可选的，人脸检测识别模型的训练方法：

14、获得训练图像和标注数据；所述训练图像包括多张基本图像和标准人脸图像；所述基本图像为多个进行训练的图像；所述标准人脸图像为能够识别出某个管理员的人脸图像；所述标注数据包括标注基本人脸框位置、标注基本人脸类别、标注标准人脸框位置、标注标准人脸类别和相似信息；所述标注基本人脸框位置表示基本图像中人工标注的人脸框位置；所述标注基本人脸类别表示基本图像中人工标注的人脸类别；所述标注标准人脸框位置表示标准图像中人工标注的人脸框位置；所述标注标准人脸类别表示标准图像中人工标注的人脸类别；所述相似信息表示是否与标准人脸图像为同一张人脸；

15、将基本图像放入人脸检测识别模型，进行特征提取，得到基本人脸信息；所述基本人脸信息包括基本人脸类别、基本人脸框位置和基本人脸特征；

16、将标准人脸图像放入人脸检测识别模型，进行特征提取，得到标准人脸信息；所述标准人脸信息包括标准人脸类别、标准人脸框位置和标准人脸特征；

17、基于所述基本人脸信息、标准人脸信息和标注数据，得到损失值；

18、获得人脸识别模型当前的训练迭代次数以及预先设定的所述人脸识别模型训练的最大迭代次数；

19、当所述损失值小于或等于阈值或训练迭代次数达到所述最大迭代次数时停止训练，得到训练好的人脸识别模型。

20、可选的，所述将基本图像放入人脸检测识别模型，进行特征提取，得到人脸信息；所述人脸信息包括人脸类别、人脸框位置和人脸特征，包括：

21、将基本图像输入主干卷积网络，进行特征提取，得到主干特征图；

22、将所述主干特征图输入第一卷积网络，得到第一特征图；

23、获得人脸位置信息；所述人脸位置信息包括人脸框位置和人脸类别；所述人脸框位置是所述第一特征图中经过卷积预测得到的位置；所述人脸类别大于人脸类别阈值表示人脸存在；所述人脸类别小于人脸类别阈值表示人脸不存在；所述人脸类别是所述第一特征图中经过卷积预测得到的人脸类别；

24、若人脸类别大于人脸类别阈值，基于所述人脸框位置和第二卷积网络，进行特征提取，得到第二特征图；

25、获得人脸特征，所述人脸特征为第二特征图中经过卷积提取出来的特征。

26、可选的，所述基于所述人脸框位置和第二卷积网络，进行特征提取，得到第二特征图，包括：

27、基于所述人脸框位置，得到主干边框位置；所述主干边框位置为主干特征图中边框所在位置；

28、将主干边框位置内的人脸图像输入第二卷积网络，进行特征提取，得到第二特征图。

29、可选的，所述基于所述基本人脸信息、标准人脸信息和标注数据，得到损失值，包括：

30、基于基本人脸信息中的基本人脸类别和标注数据中的标注基本人脸类别，得到基本人脸类别损失值；

31、基于标准人脸信息中的标准人脸类别和标注数据中的标注标准人脸类别，得到标准人脸类别损失值；

32、获得人脸类别损失值，所述人脸类别损失值为所述基本人脸类别损失值与所述标准人脸类别损失值相加之和；

33、基于基本人脸信息中的基本人脸框位置和标注数据中的标注基本人脸框位置，得到基本人脸框位置损失值；

34、基于标准人脸信息中的标准人脸框位置和标注数据中的标注标准人脸框位置，得到标准人脸框位置损失值；

35、获得人脸框位置损失值，所述人脸框位置损失值为所述基本人脸框位置损失值与所述标准人脸框位置损失值相加之和；

36、基于基本人脸信息中的基本人脸特征、标准人脸信息中的标准人脸特征和标注数据中的相似信息，得到人脸特征损失值；

37、基于所述人脸类别损失值、人脸框位置损失值和人脸特征损失值，得到损失值。

38、可选的，所述基于基本人脸信息中的基本人脸特征、标准人脸信息中的标准人脸特征和标注数据中的相似信息，得到人脸特征损失值，包括：

39、基于所述基本人脸特征和所述标准人脸特征，得到人脸相似程度；

40、所述人脸相似程度具体通过下述公式计算方式获得：

41、

42、其中，r表示所述人脸相似程度；xi表示所述基本人脸特征的特征值；yi表示所述标准人脸特征的特征值；n表示所述基本人脸特征和标准人脸特征中特征的个数；i表示第i特征值；

43、基于所述人脸相似程度和所述相似信息，得到人脸特征损失值。

44、可选的，述将所述监控图像放入人脸检测识别模型，得到管理员值；所述管理员值为1，表示是管理员；所述管理员值为0表示不是管理员，包括：

45、将所述监控图像输入人脸检测识别模型，得到人脸信息；所述人脸信息包括人脸类别、人脸框位置和人脸特征；

46、获得多个标准人脸特征；所述标准人脸特征为标准人脸图像输入已训练好的人脸检测识别模型后所得的人脸特征；所述标准人脸信息存储在数据库中管理员的人脸特征；

47、获得多个人脸相似度，多个标准人脸特征对应得到多个相似度；所述人脸相似度为所述人脸特征与标准人脸特征的相似度；

48、获得最小人脸相似度；所述最小人脸相似度多个人脸相似度中的最小值；

49、若所述人脸相似度小于阈值，管理员值为1；

50、若所述人脸相似度大于阈值，管理员值为0；

51、本发明实施例提供了一种智能猪舍管理系统，包括中央处理系统，所述的中央处理系统包括：

52、安防模块，其能够限制进入猪舍的人员；

53、温控模块，其能够根据猪舍的实时温度进而控制猪舍的进风量进而控制猪舍温度；

54、饲料控制模块，其能够根据猪舍的历史饲料消耗量预测下一个时间段饲料消耗量，并能够根据猪舍的饲料存量以及预测到的饲料消耗量计算需要补充的饲料量；

55、所述的安防模块是基于人脸识别来控制进入猪舍的人员；

56、健康检测模块，其用于检测猪的实时健康状态，并将健康异常的猪身份报送饲养人员；

57、进一步的，安防模块包括：

58、采集模块：获得监控图像；所述监控图像为课堂开始时的图像；

59、人脸检测识别模块：将所述监控图像放入人脸检测识别模型，得到管理员值；所述管理员值为1，表示是管理员；所述管理员值为0表示不是管理员；

60、检测发送模块：若管理员值为1，开启猪舍大门；

61、所述人脸检测识别模型包括：一个主干卷积网络、一个第一卷积网络和一个第二卷积网络：

62、主干卷积网络的输入为所述监控图像；第一卷积网络的输入为所述主干卷积网络的输出；第二卷积网络的输入为所述第一卷积网络的输出和所述主干卷积网络的输出。

63、可选的，人脸检测识别模型的训练方法：

64、获得训练图像和标注数据；所述训练图像包括多张基本图像和标准人脸图像；所述基本图像为多个进行训练的图像；所述标准人脸图像为能够识别出某个管理员的人脸图像；所述标注数据包括标注基本人脸框位置、标注基本人脸类别、标注标准人脸框位置、标注标准人脸类别和相似信息；所述标注基本人脸框位置表示基本图像中人工标注的人脸框位置；所述标注基本人脸类别表示基本图像中人工标注的人脸类别；所述标注标准人脸框位置表示标准图像中人工标注的人脸框位置；所述标注标准人脸类别表示标准图像中人工标注的人脸类别；所述相似信息表示是否与标准人脸图像为同一张人脸；

65、将基本图像放入人脸检测识别模型，进行特征提取，得到基本人脸信息；所述基本人脸信息包括基本人脸类别、基本人脸框位置和基本人脸特征；

66、将标准人脸图像放入人脸检测识别模型，进行特征提取，得到标准人脸信息；所述标准人脸信息包括标准人脸类别、标准人脸框位置和标准人脸特征；

67、基于所述基本人脸信息、标准人脸信息和标注数据，得到损失值；

68、获得人脸识别模型当前的训练迭代次数以及预先设定的所述人脸识别模型训练的最大迭代次数；

69、当所述损失值小于或等于阈值或训练迭代次数达到所述最大迭代次数时停止训练，得到训练好的人脸识别模型。

70、可选的，所述将基本图像放入人脸检测识别模型，进行特征提取，得到人脸信息；所述人脸信息包括人脸类别、人脸框位置和人脸特征，包括：

71、将基本图像输入主干卷积网络，进行特征提取，得到主干特征图；

72、将所述主干特征图输入第一卷积网络，得到第一特征图；

73、获得人脸位置信息；所述人脸位置信息包括人脸框位置和人脸类别；所述人脸框位置是所述第一特征图中经过卷积预测得到的位置；所述人脸类别为大于人脸类别阈值表示人脸存在；所述人脸类别小于人脸类别阈值表示人脸不存在；所述人脸类别是所述第一特征图中经过卷积预测得到的人脸类别；

74、若人脸类别大于人脸类别阈值，基于所述人脸框位置和第二卷积网络，进行特征提取，得到第二特征图；

75、获得人脸特征，所述人脸特征为第二特征图中经过卷积提取出来的特征。

76、相较于现有技术，本发明实施例达到了以下有益效果：

77、本发明实施例提供了一种智能猪舍管理方法及系统,所述方法包括:获得监控图像,所述监控图像为人员进入时的图像。将所述监控图像放入人脸检测识别模型，得到管理员值。所述管理员值为1，表示是管理员。所述管理员值为0表示不是管理员。若管理员值为1，开启猪舍大门。所述人脸检测识别模型包括：一个主干卷积网络、一个第一卷积网络和一个第二卷积网络：主干卷积网络的输入为所述监控图像。第一卷积网络的输入为所述主干卷积网络的输出。第二卷积网络的输入为所述第一卷积网络的输出和所述主干卷积网络的输出。

78、采用人脸识别的大数据方法，对进入猪舍的人脸进行识别。目前的人脸识别检测系统，将人脸检测和人脸识别分开进行。本发明则是在人脸检测时获得部分人脸特征，将这部分人脸特征提取出来，经过人脸识别中的卷积网络继续提取人脸检测时未提取出来的隐含人脸特征。得到能够用于人脸识别的人脸特征。本发明使用的方法使得人脸检测时得到的人脸特征在人脸识别时也可以继续使用，减少了检测识别时的时间，对人脸检测得到的人脸特征再利用，减少了特征提取的浪费。