[發明專利]基于深度圖像的豬只分割方法

有效

• 申請號: 202010116353.3
• 申請日: 2020-02-25
• 公開（公告）號: CN111354003B
• 公開（公告）日: 2023-04-25
• 發明（設計）人: 張連寬;肖德琴;楊秋妹;謝炫
• 申請（專利權）人: 華南農業大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/155;G06N3/08;G06N3/0464
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

本發明公開了基于深度圖像的豬只分割方法，其基于深度數據進行豬只分割，由于深度數據不受光線限制，可以全時段采集數據，相較于彩色圖像對監測豬只具有實時優勢；同時深度數據反應了豬只的三維空間圖像特征對后續的豬只行為與狀況分析更具有應用價值。其次，通過分水嶺分割方法可對粘連豬只進行有效分割，并針對其容易因噪聲而出現過度分割的問題，提出先驗標記代表性要分割的區域的解決方法。針對于深度學習的識別限制，采用形態學分割方法進一步分割粘連較小豬只。在此基礎上，對于粘連較大而難以識別的豬只，采用旋度中心算法識別未分割的豬只背部與腹部并使用分水嶺算法分割圖像，從而顯著提升分割率。

技術領域

本發明涉及圖像分割技術領域，尤其涉及基于深度圖像的豬只分割方法。

背景技術

豬只狀態的實時監測對高效飼養與科學決策具有重要的價值。近年來，隨著圖像采集與處理技術的發展，采用圖像分析的方法監測豬只的行為與健康狀況越來越受到重視。一方面，相較于其它的監測手段，圖像分析具有成本低、實時的優點。另一方面，圖像分析不對豬只日常活動產生干擾。在圖像分析方面，豬只圖像個體分割極為重要的意義，若能夠分割監測圖像中的各個豬只圖像，就有潛力實時分析各個豬只的日常運動狀態與行為，如采食、排泄、活動軌跡、運動量等，從而有利于分析各豬只的生長狀態、健康狀況。

雖然人們意識到各豬只圖像的分割具有重要的應用價值，然而，由于粘連一起的豬只邊界兩邊圖像顏色、亮度的相似性以及邊界本身的模糊性，將各個豬只圖像分割開來極具挑戰性。目前人們在相關方面的研究已經取得了較多進展，郭伊正等^[1]采集豬個體顏色、紋理及形狀特征并用Isomap算法融合特征，采用支持向量機算法識別豬只個體。Kashiha等^[2-3]則在豬只的背部涂上不同顏色和形狀，識別各豬只。Yi-Zheng?Guo等人^[4]采用最大熵方法提取前景，對提取的各部分計算質心，以質心為中心提取各圓形分塊并采用多閾值分割方法完善分割精度。近年來進展迅速的深度學習為圖像處理帶了全新方法，在基于深度學習豬只圖像分割方面也有了一定的進展。楊阿慶^[5]等采用基于全卷積網絡的哺乳母豬圖像分割算法實現完整的哺乳母豬區域分割。高云等^[6]對群豬圖像包括粘連豬體進行實例分割，實現獨立豬體的定位。作者對Mask?R-CNN網絡框架做優化調整，用粘連群養豬圖像作為訓練集，在訓練集上總分割準確率達86.15％，在驗證集上準確率達85.40％。

綜上所述，由于豬只粘連情況的存在以及邊界的模糊，以上的豬只圖像分割方法的分割準確率相對較低；同時由于采集豬只全景深度數據受光照變化的影響，難以實現晝夜不間斷監測。

發明內容

本發明為解決現有豬只分割方法，由于豬只粘連情況的存在以及邊界的模糊，分割準確率較低；且由于采集圖像受光照變化的影響，難以應用于全時段實時監測的問題，提供了基于深度圖像的豬只分割方法。

為實現以上發明目的，而采用的技術手段是：

基于深度圖像的豬只分割方法，包括以下步驟：

S1.采集豬只全景深度數據并從中提取出豬只深度數據；

S2.基于所述豬只深度數據，采用深度學習方法識別出豬只的背部或腹部；

S3.以所述豬只的背部或腹部中心為標記，采用分水嶺算法分割出各豬只。

上述方案中，首先是基于深度數據進行豬只分割，由于其不受光線限制，可以全時段采集數據，相較于彩色圖像，這一特征對監測豬只具有實時優勢；同時深度數據反應了豬只的三維空間圖像特征對后續的豬只行為與狀況分析更具有應用價值。其次，通過分水嶺分割方法可對兩粘連豬只進行有效分割，并針對其容易因噪聲而出現過度分割的問題，提出先驗標記代表性要分割的區域的解決方法，進一步提高了上述豬只分割方法的分割準確率。