[發(fā)明專利]一種基于深度學(xué)習(xí)的豬只體尺體重估測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202111194639.4
• 申請(qǐng)日: 2021-10-13
• 公開（公告）號(hào): CN113920453A
• 公開（公告）日: 2022-01-11
• 發(fā)明（設(shè)計(jì)）人: 肖德琴;劉俊彬;劉又夫;楊秋妹;黃一桂;楊文濤;招勝秋;卞智逸
• 申請(qǐng)（專利權(quán)）人: 華南農(nóng)業(yè)大學(xué)
• 主分類號(hào): G06V20/20
• 分類號(hào): G06V20/20;G06V20/68;G06V10/24;G06V10/26;G06V10/774;G06N3/04;G06N3/08
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司 44102
• 代理人: 劉俊

本發(fā)明提供了一種基于深度學(xué)習(xí)的豬只體尺體重估測(cè)方法，涉及深度學(xué)習(xí)技術(shù)領(lǐng)域。本發(fā)明使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行豬只的體重預(yù)測(cè)，相關(guān)特征由卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)得到，不需要構(gòu)建特征工程提取，從而使提取特征更全面，并且卷積神經(jīng)網(wǎng)絡(luò)在處理噪聲數(shù)據(jù)和數(shù)據(jù)的非線性問題上優(yōu)于線性模型；采用通用的2d彩色攝像頭拍攝的豬只圖片，設(shè)備價(jià)格低廉，實(shí)施本技術(shù)方案成本低。

技術(shù)領(lǐng)域

本發(fā)明涉及深度學(xué)習(xí)技術(shù)領(lǐng)域，更具體地，涉及一種基于深度學(xué)習(xí)的豬只體尺體重估測(cè)方法。

背景技術(shù)

生豬產(chǎn)業(yè)是我國(guó)重要的農(nóng)業(yè)經(jīng)濟(jì)組成部分之一，我國(guó)是全球重要的豬肉生產(chǎn)和消費(fèi)大國(guó)，2020年豬肉產(chǎn)量4113萬(wàn)噸，占全球豬肉產(chǎn)量50％以上。而隨著人工智能的技術(shù)發(fā)展，推動(dòng)了畜牧行業(yè)向規(guī)?；?、精準(zhǔn)化、智能化的發(fā)展，因此對(duì)于個(gè)體生豬的精準(zhǔn)測(cè)量可以提升畜牧業(yè)的養(yǎng)殖規(guī)模、降低人力成本增強(qiáng)生產(chǎn)效率。

豬只的體尺和體重是決定豬只身體狀況的重要指標(biāo)。體重和體尺的變化為評(píng)估豬只的健康和生長(zhǎng)狀況提供了直接手段。在種豬選育、肉質(zhì)評(píng)價(jià)以及飼養(yǎng)管理，疾病檢測(cè)等方面，豬只體重、體尺也是十分重要的指標(biāo)。

目前，豬只的體尺和體重主要是以人工的方法進(jìn)行測(cè)量，傳統(tǒng)的測(cè)量方法需要耗費(fèi)大量的時(shí)間和人力且效率低下，并且易使豬體受到刺激，不利于豬只福利。近年來(lái)，深度學(xué)習(xí)發(fā)展迅猛，在人臉識(shí)別和目標(biāo)檢測(cè)等復(fù)雜任務(wù)上都有顯著表現(xiàn)。然而，這些技術(shù)在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用并不廣泛，尤其是動(dòng)物的體重和體尺估測(cè)方面?，F(xiàn)有的基于計(jì)算機(jī)視覺技術(shù)所建立的豬只體尺和體重估測(cè)算法都沒有很好的結(jié)合深度學(xué)習(xí)方法。

公開號(hào)：CN111243005A，公開日為2020-06-05的牲畜估重方法、裝置、設(shè)備以及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，該發(fā)明利用深度圖像中點(diǎn)云技術(shù)，以俯視視角從散亂的點(diǎn)云中逐步鎖定到目標(biāo)牲畜構(gòu)建牲畜的點(diǎn)云集，篩選出特定的體尺信息后輸入線性回歸模型來(lái)預(yù)估體重，但該方法容易遺漏特征，并且傳統(tǒng)的線性回歸模型在處理噪聲數(shù)據(jù)和應(yīng)對(duì)變量間的非線性問題上不如深度學(xué)習(xí)方法。

發(fā)明內(nèi)容

本發(fā)明為克服上述技術(shù)問題，提供一種特征豐富并且處理非線性問題效果較好的基于深度學(xué)習(xí)的豬只體尺體重估測(cè)方法。

本發(fā)明技術(shù)方案如下：

一種基于深度學(xué)習(xí)的豬只體尺體重估測(cè)方法，包括步驟：

S1、獲取豬只圖像；

S2、使用關(guān)鍵點(diǎn)檢測(cè)算法對(duì)圖像中的豬只進(jìn)行關(guān)鍵點(diǎn)檢測(cè)，獲取關(guān)鍵點(diǎn)檢測(cè)結(jié)果并根據(jù)關(guān)鍵點(diǎn)檢測(cè)結(jié)果，剔除畫面中豬只不完整的圖像，保留畫面中豬只完整的圖像；

S3、檢測(cè)豬只在畫面中是否傾斜，對(duì)豬只傾斜的畫面進(jìn)行校正，得到畫面中豬只完整且不傾斜的圖像；

S4、將圖像輸入體重預(yù)估模型并根據(jù)關(guān)鍵點(diǎn)檢測(cè)結(jié)果計(jì)算體尺數(shù)據(jù)，得到豬只的體重和體尺數(shù)據(jù)；

其中，步驟S2中所述關(guān)鍵點(diǎn)檢測(cè)算法基于Keypoint-RCNN算法構(gòu)建，步驟S4所述體重預(yù)估模型基于ResNext101特征提取網(wǎng)絡(luò)構(gòu)建，所述Keypoint-RCNN算法在Mask-RCNN的基礎(chǔ)上添加一個(gè)關(guān)鍵點(diǎn)檢測(cè)分支，Keypoint-RCNN算法的特征提取網(wǎng)絡(luò)采用ResNext101特征提取網(wǎng)絡(luò)；

步驟S4所述體重預(yù)估模型采用ResNext-101特征提取網(wǎng)絡(luò)。

本技術(shù)方案提出了一種基于深度學(xué)習(xí)的豬只體尺體重估測(cè)方法，使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行豬只的體重預(yù)測(cè)，相關(guān)特征由卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)得到，不需要構(gòu)建特征工程提取，從而使提取特征更全面，并且卷積神經(jīng)網(wǎng)絡(luò)在處理噪聲數(shù)據(jù)和數(shù)據(jù)的非線性問題上優(yōu)于線性模型。

進(jìn)一步地，步驟S2進(jìn)行關(guān)鍵點(diǎn)檢測(cè)之前先使用實(shí)例分割算法對(duì)圖像進(jìn)行實(shí)例分割，將圖像中屬于豬只的像素標(biāo)記出來(lái)，所述實(shí)例分割算法基于Mask RCNN實(shí)例分割網(wǎng)絡(luò)構(gòu)建，實(shí)例分割過程包括：