一种基于神经网络的仔猪头部异常检测方法和检测系统技术方案

本发明专利技术提供一种基于神经网络的仔猪头部异常检测方法和检测系统，检测方法包括如下步骤：获取训练集，采用训练集对定位神经网络模型进行训练，得到训练后的定位神经网络模型；采集仔猪的实际图像，结合训练后的定位神经网络模型中得到相应的实际热力图；根据实际热力图得到实际图像中各特征点相对位置关系；建立仔猪的SMPL三维模型，将各特征点的相对位置关系加载到该SMPL三维模型中，得到仔猪的实际SMPL三维模型；采用切割面将仔猪的实际SMPL三维模型切割成猪头模型和猪身模型两部分，并根据猪头模型和猪身模型的最小外接长方体判断为仔猪的头部异常。本发明专利技术提供的技术方案能够解决现有技术中对仔猪检测时存在的成本高、可靠性差的问题。

【技术实现步骤摘要】
一种基于神经网络的仔猪头部异常检测方法和检测系统
本专利技术属于仔猪检测
，具体涉及一种基于神经网络的仔猪头部异常检测方法和检测系统。
技术介绍
从20世纪80年代后期至今,畜禽养殖业得到了迅速发展,畜禽养殖业的养殖规模、养殖方式和分布区域发生了巨大的变化。传统的养殖手段和经验方法已不适应当前的行业发展，畜禽养殖业迫切需要依靠前沿科技手段，建立其数字化、精细化和智能化的产业养殖管理模式。随着生活水平的提高，人们对食品要求的焦点从数量增长逐渐转向了数量和质量同步增长。猪肉类食品在人们生活中已是一种不可缺少的食品，因此，猪肉类产品的质量提高已经和产量增加同样重要，也就是说不仅要关注生产产量，而且要关注产品的整个生长过程。为此，对仔猪疾病诊断的研究越来越受到关注。仔猪的生长发育是养殖人员最为关心的问题。仔猪在生长过程中会出现很多的疾病问题，最为常见的疾病就是仔猪水肿病，主要表现为头部明显水肿、运动失调等症状。此病一年四季均可发生，尤以冬春季节多发，流行较广泛，致死率高达80％以上，给养猪户造成很大的损失。通过头部水肿可以进一步判断仔猪健康状况，因此对于仔猪头部异常水肿检测是非常有必要的。目前对仔猪疾病的诊断方法一般采用人工观察，利用人工观察和手工记录，一方面观察人员劳动强度大，且工作环境差，长时间在猪舍中观察将严重影响工作人员的健康；另一方面由于仅靠人工观察，因人手紧、成本高以及人的疲劳和认知程度等因素会导致信息不准和疏漏等现象发生，所以存在着成本高、可靠性差的问题。专利技术内容本专利技术的目的是提供一种基于神经网络的仔猪头部异常检测方法和检测系统，以解决现有技术中对仔猪检测时存在的成本高、可靠性差的问题。为实现上述目的，本专利技术采用如下技术方案：一种基于神经网络的仔猪头部异常检测方法，包括如下步骤：(1)获取训练集；所述训练集中包括多张仔猪的图像和与各图像相对应的热力图，热力图上设置有与图像上特征点相对应的光斑，图像上的特征点包括仔猪的耳根、眼睛、鼻尖、颈部、大腿根部和尾部；(2)建立定位神经网络模型，以训练集中仔猪的图像为输入，以对应的热力图为输出，对定位神经网络模型进行训练，得到训练后的定位神经网络模型；(3)采集仔猪的实际图像，将其输入到训练后的定位神经网络模型中，得到与实际图像相应的实际热力图；(4)将实际热力图放置到二维坐标系中，得到其中各光斑在二维坐标系中的坐标，将其分别作为对应特征点在二维坐标系中的坐标，并根据各特征点在二维坐标系中的坐标得到其相对位置关系；(5)建立仔猪的SMPL三维模型，将各特征点的相对位置关系加载到该SMPL三维模型中，得到仔猪的实际SMPL三维模型；(6)以仔猪的实际SMPL三维模型中颈部特征点和鼻尖特征点组成的向量为法向量建立切割面，颈部特征点在该切割面中；采用切割面将仔猪的实际SMPL三维模型切割成猪头模型和猪身模型两部分，并分别得到猪头模型和猪身模型的最小外接长方体，判断两个外接长方体的体积之比是否大于设定比值，如果大于，则判断为仔猪的头部异常。进一步的，根据特征点的二维坐标得到其相对位置关系的方法为：建立三维空间坐标系，在获取训练集时，检测各特征点在三维空间坐标系中的坐标；建立转换神经网络模型，以图像中标志点在二维坐标系的坐标为输入，以对应标志点的三维坐标为输出，对所述转换神经网络模型进行训练，得到训练后的转换神经网络模型；获取实际图像中各特征点在二维坐标系中的坐标后，将其输入到训练后的转换神经网络模型中，得到各特征点在三维空间坐标系中的坐标。进一步的，所述步骤(5)中建立仔猪的SMPL三维模型的方法为：在仔猪身上设置模型顶点，对仔猪进行整体扫描，得到仔猪身上各检测顶点的图像；建立仔猪的三维立体模型，用GloSS模型对扫描结果进行拟合，将扫描得到的仔猪身上各检测顶点拟合到仔猪的三维立体模型上；使用全局拓扑变形网格，得到羊的SMPL三维模型。进一步的，所述仔猪的SMPL三维模型不包括仔猪的耳朵和腿。进一步的，在获取所述猪头模型和猪身模型的最小外接长方体时，先将猪头模型和猪身模型以设定角度放置在三维坐标系中，然后再根据猪头模型在三维坐标系中各坐标轴上最大值和最小值所对应的坐标点、猪身模型在三维坐标系中各坐标轴上最大值和最小值所对应的坐标点得到猪头模型和猪身模型的最小外接长方体。一种基于神经网络的仔猪头部异常检测系统，包括存储器和处理器，存储器上存储有用于在所述处理器上执行的计算机程序；所述处理器执行所述计算机程序时，实现如下基于神经网络的仔猪头部异常检测方法：(1)获取训练集；所述训练集中包括多张仔猪的图像和与各图像相对应的热力图，热力图上设置有与图像上特征点相对应的光斑，图像上的特征点包括仔猪的耳根、眼睛、鼻尖、颈部、大腿根部和尾部，其中颈部是指；(2)建立定位神经网络模型，以训练集中仔猪的图像为输入，以对应的热力图为输出，对定位神经网络模型进行训练，得到训练后的定位神经网络模型；(3)采集仔猪的实际图像，将其输入到训练后的定位神经网络模型中，得到与实际图像相应的实际热力图；(4)将实际热力图放置到二维坐标系中，得到其中各光斑在二维坐标系中的坐标，将其分别作为对应特征点在二维坐标系中的坐标，并根据各特征点在二维坐标系中的坐标得到其相对位置关系；(5)建立仔猪的SMPL三维模型，将各特征点的相对位置关系加载到该SMPL三维模型中，得到仔猪的实际SMPL三维模型；(6)以仔猪的实际SMPL三维模型中颈部特征点和鼻尖特征点组成的向量为法向量建立切割面，颈部特征点在该切割面中；采用切割面将仔猪的实际SMPL三维模型切割成猪头模型和猪身模型两部分，并分别得到猪头模型和猪身模型的最小外接长方体，判断两个外接长方体的体积之比是否大于设定比值，如果大于，则判断为仔猪的头部异常。进一步的，根据特征点的二维坐标得到其相对位置关系的方法为：建立三维空间坐标系，在获取训练集时，检测各特征点在三维空间坐标系中的坐标；建立转换神经网络模型，以图像中标志点在二维坐标系的坐标为输入，以对应标志点的三维坐标为输出，对所述转换神经网络模型进行训练，得到训练后的转换神经网络模型；获取实际图像中各特征点在二维坐标系中的坐标后，将其输入到训练后的转换神经网络模型中，得到各特征点在三维空间坐标系中的坐标。进一步的，所述步骤(5)中建立仔猪的SMPL三维模型的方法为：在仔猪身上设置模型顶点，对仔猪进行整体扫描，得到仔猪身上各检测顶点的图像；建立仔猪的三维立体模型，用GloSS模型对扫描结果进行拟合，将扫描得到的仔猪身上各检测顶点拟合到仔猪的三维立体模型上；使用全局拓扑变形网格，得到羊的SMPL三维模型。进一步的，所述仔猪的SMPL三维模型不包括仔猪的耳朵和腿。进一步的，在获取所述猪头模型和猪身模型的最小外接长方体时，先将本文档来自技高网...

【技术保护点】
1.一种基于神经网络的仔猪头部异常检测方法，其特征在于，包括如下步骤：/n(1)获取训练集；/n所述训练集中包括多张仔猪的图像和与各图像相对应的热力图，热力图上设置有与图像上特征点相对应的光斑，图像上的特征点包括仔猪的耳根、眼睛、鼻尖、颈部、大腿根部和尾部；/n(2)建立定位神经网络模型，以训练集中仔猪的图像为输入，以对应的热力图为输出，对定位神经网络模型进行训练，得到训练后的定位神经网络模型；/n(3)采集仔猪的实际图像，将其输入到训练后的定位神经网络模型中，得到与实际图像相应的实际热力图；/n(4)将实际热力图放置到二维坐标系中，得到其中各光斑在二维坐标系中的坐标，将其分别作为对应特征点在二维坐标系中的坐标，并根据各特征点在二维坐标系中的坐标得到其相对位置关系；/n(5)建立仔猪的SMPL三维模型，将各特征点的相对位置关系加载到该SMPL三维模型中，得到仔猪的实际SMPL三维模型；/n(6)以仔猪的实际SMPL三维模型中颈部特征点和鼻尖特征点组成的向量为法向量建立切割面，颈部特征点在该切割面中；采用切割面将仔猪的实际SMPL三维模型切割成猪头模型和猪身模型两部分，并分别得到猪头模型和猪身模型的最小外接长方体，判断两个外接长方体的体积之比是否大于设定比值，如果大于，则判断为仔猪的头部异常。/n...

【技术特征摘要】
1.一种基于神经网络的仔猪头部异常检测方法，其特征在于，包括如下步骤：
(1)获取训练集；
所述训练集中包括多张仔猪的图像和与各图像相对应的热力图，热力图上设置有与图像上特征点相对应的光斑，图像上的特征点包括仔猪的耳根、眼睛、鼻尖、颈部、大腿根部和尾部；
(2)建立定位神经网络模型，以训练集中仔猪的图像为输入，以对应的热力图为输出，对定位神经网络模型进行训练，得到训练后的定位神经网络模型；
(3)采集仔猪的实际图像，将其输入到训练后的定位神经网络模型中，得到与实际图像相应的实际热力图；
(4)将实际热力图放置到二维坐标系中，得到其中各光斑在二维坐标系中的坐标，将其分别作为对应特征点在二维坐标系中的坐标，并根据各特征点在二维坐标系中的坐标得到其相对位置关系；
(5)建立仔猪的SMPL三维模型，将各特征点的相对位置关系加载到该SMPL三维模型中，得到仔猪的实际SMPL三维模型；
(6)以仔猪的实际SMPL三维模型中颈部特征点和鼻尖特征点组成的向量为法向量建立切割面，颈部特征点在该切割面中；采用切割面将仔猪的实际SMPL三维模型切割成猪头模型和猪身模型两部分，并分别得到猪头模型和猪身模型的最小外接长方体，判断两个外接长方体的体积之比是否大于设定比值，如果大于，则判断为仔猪的头部异常。


2.根据权利要求1所述的基于神经网络的仔猪头部异常检测方法，其特征在于，根据特征点的二维坐标得到其相对位置关系的方法为：
建立三维空间坐标系，在获取训练集时，检测各特征点在三维空间坐标系中的坐标；
建立转换神经网络模型，以图像中标志点在二维坐标系的坐标为输入，以对应标志点的三维坐标为输出，对所述转换神经网络模型进行训练，得到训练后的转换神经网络模型；获取实际图像中各特征点在二维坐标系中的坐标后，将其输入到训练后的转换神经网络模型中，得到各特征点在三维空间坐标系中的坐标。


3.根据权利要求1所述的基于神经网络的仔猪头部异常检测方法，其特征在于，所述步骤(5)中建立仔猪的SMPL三维模型的方法为：
在仔猪身上设置模型顶点，对仔猪进行整体扫描，得到仔猪身上各检测顶点的图像；
建立仔猪的三维立体模型，用GloSS模型对扫描结果进行拟合，将扫描得到的仔猪身上各检测顶点拟合到仔猪的三维立体模型上；
使用全局拓扑变形网格，得到羊的SMPL三维模型。


4.根据权利要求1或3所述的基于神经网络的仔猪头部异常检测方法，其特征在于，所述仔猪的SMPL三维模型不包括仔猪的耳朵和腿。


5.根据权利要求1所述的基于神经网络的仔猪头部异常检测方法，其特征在于，在获取所述猪头模型和猪身模型的最小外接长方体时，先将猪头模型和猪身模型以设定角度放置在三维坐标系中，然后再根据猪头模型在三维坐标系中各坐标轴上最大值和最小值所对应的坐标点、猪身模型在三维坐标系中各坐标轴上最大值和最小值所对应的坐标点得到猪头模型和猪身模型的最小外接长方体。


6.一种基于神经网络的仔猪头部异常检测系统，包括存储器...

【专利技术属性】
技术研发人员：邹安琪，蒋沛林，
申请(专利权)人：邹安琪，
类型：发明
国别省市：河南;41