[發明專利]一種大型養殖場體征異常禽類檢測系統及檢測方法

有效

• 申請號: 201910506337.2
• 申請日: 2019-06-12
• 公開（公告）號: CN110200598B
• 公開（公告）日: 2020-06-30
• 發明（設計）人: 鄭吉星;胡清華;馬銳
• 申請（專利權）人: 天津大學
• 主分類號: A61B5/01
• 分類號: A61B5/01;A61B5/00;A01K45/00;G01J5/00;G06N3/04;G06N3/08
• 代理公司: 北京東方盛凡知識產權代理事務所(普通合伙) 11562
• 代理人: 張雪

提供了一種大型養殖場體征異常禽類檢測方法，具體為：預處理采集到的熱成像圖像，用于數據標注，然后采用基于實例分割通用框架(Mask RCNN)的目標檢測及實例分隔方法，對熱成像圖像進行特征提取，像素對齊，目標的定位，分類和掩碼分隔等操作，最后通過控制單張圖像的目標檢測數，使得在每張圖片中的檢測正確率得到提高。本方法是對現如今熱成像圖像在目標檢測領域的一次嘗試，打破傳統方法帶來的局限性，利用深度學習在圖像特征處理上的優越性能，提高了模型的魯棒性和準確性。驗證了深度學習方法在熱成像圖像檢測領域的可行性。同時也可將其擴展至畜牧業等領域，從而提高我國在養殖業方面的智能化水平。

技術領域

本發明總體地涉及熱成像圖像處理、深度學習技術和目標檢測領域，具 體地涉及一種大型養殖場體征異常禽類檢測系統及檢測方法。

背景技術

目前國內大部分大型養殖場的智能化水平都不高，檢查養雞場中是否有 體征異常個體就需要人工參與。但是人工參與檢查，效率很低而且非常的耗 時，并且一般的養殖場都比較封閉，通風不太好，有大量的有毒氣體，人若 長時間逗留在養殖場將會對身體產生不利的影響。若死雞沒有在短時間內被 發現，那么尸體將培養病菌，并不斷地擴散傳播，禽流感傳播迅速并且感染 率高，這樣會給養殖場造成大量的損失。所以，及時地發現體征異常個體， 防止禽流感病毒傳播，并減少養殖人員在禽舍的工作時間具有十分重要的意義。

國內在檢測病死禽類方面的算法上有一些工作，中國專利申請號200810235531.3的發明申請公開了一種養雞場死雞探測系統及探測方法，其 主要的處理算法為選取雞的紅雞冠作為較為明顯且敏感的特征。由于活雞的 雞冠始終處于運動狀態,因此在相同拍攝條件下連續幾幅圖像中的紅雞冠幾 乎不可能處于同一位置，而死雞的雞冠則靜止不變。于是可根據不同圖片中 雞冠出現的不同位置來判斷雞籠中雞的生存狀態。也有相關研究方法提出采 用支持向量機(SVM)在小樣本下優越的分類性能。根據活禽圖片和死禽圖片 特征的不同,利用支持向量機(SVM)對它們分類。但從實際情況來看，有些 品類的雞沒有雞冠，采用雞冠進行判斷有一定的偶然性。并且以上算法需要 人工提取特征，不同情況模型調整比較大，模型對于不同的禽類魯棒性不強， 在光照不充足的養殖場內，圖像的識別效果會大幅減弱。

最近幾年深度學習尤其是卷積神經網絡(Convolutional Neural Network, CNN)在ImageNet等數據集中多次斬獲桂冠，在物體檢測領域的正確率已超 過人類。由于該網絡避免了對圖像的復雜前期預處理，可以直接輸入原始圖 像，由卷積神經網絡自動提取圖像的特征，避免了人工設計特征的不準確性 和預處理的復雜性，因而得到了更為廣泛的應用。

在目標檢測算法領域大體分為兩種結構，分別是以RCNN系列算法等為代 表的兩階段(Two-Stage)方法和以YOLO系列算法為代表的一階段 (One-Stage)算法。它們分別在精度和速度上各有一定的優勢。隨著卷積神 經網絡在目標檢測任務上的推進，它也開始被應用于更精細的圖像處理任務 如語義分割和實例分隔。

發明內容

針對現有檢測方法的不足，本發明提供了一種大型養殖場體征異常禽類 檢測方法，該方法基于實例分割算法，能將檢測到的實例進行有效的分割， 通過將卷積神經網絡引入到熱成像圖像的特征提取當中，通過卷積神經網絡 提取到特征后，分別對檢測目標進行分類，定位和掩膜操作。該方法只需要 將拍攝到的熱成像圖像輸入到模型中，通過模型直接獲取圖像的處理結果， 中間不需要人為的干預，實現了檢測的智能化，極大地解放了人力。