估重方法和估重装置制造方法及图纸

本发明专利技术公开了一种估重方法和估重装置。其中，该方法包括：基于第一神经网络对待处理图像进行处理，得到特征空间，其中，待处理图像中至少包括待估重对象；基于特征空间确定待估重对象所在的重量区间；确定与重量区间对应的第二神经网络；基于第二神经网络对待处理图像进行处理，得到待估重对象的估重结果。本发明专利技术解决了现有的电子称称重耗费人力、物力和时间的技术问题。

【技术实现步骤摘要】
估重方法和估重装置
本专利技术涉及图像处理领域，具体而言，涉及一种估重方法和估重装置。
技术介绍
在畜牧业中，养殖户需要经常记录养殖的动物的重量，通过对养殖的动物的重量进行分析，可以确定养殖的动物的生长状况，进而根据生长状况来对动物的饲养环节进行调整。另外，在畜牧业保险方面，当对养殖户饲养的动物进行理赔时，通常也会根据动物的长度、重量等指标进行理赔。现有技术中，通常采用电子称人工对动物进行称重。然而，当待称重的动物的体积较大，或者重量较重，以及待称重的动物的数量较多时，因为需要抬起动物、移动动物，所以需要较多的工作人员来完成称重，也会耗费较长的时间。随着待称重的动物的数量以及重量的增长，耗费的人力成本和时间成本也越来越多。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种估重方法和估重装置，以至少解决现有的电子称称重耗费人力、物力和时间的技术问题。根据本专利技术实施例的一个方面，提供了一种估重方法，包括：基于第一神经网络对待处理图像进行处理，得到特征空间，其中，待处理图像中至少包括待估重对象；基于特征空间确定待估重对象所在的重量区间；确定与重量区间对应的第二神经网络；基于第二神经网络对待处理图像进行处理，得到待估重对象的估重结果。进一步地，估重方法还包括：基于第一神经网络对待处理图像逐层进行特征提取，得到特征空间，其中，特征空间包括底层特征和高层特征，底层特征包括如下至少之一：待估重对象的颜色、纹理，高层特征包括如下至少之一：待估重对象的类别、语义。进一步地，在基于第一神经网络对待处理图像进行处理，得到特征空间之后，还包括：对底层特征和高层特征进行融合处理，得到融合结果。进一步地，待处理图像还包括参照物，其中，估重方法还包括：在基于第二神经网络对待处理图像进行处理，得到待估重对象的估重结果之前，基于特征空间对待处理图像进行分割，得到分割图像，其中，分割图像至少包括：待估重对象区域、参照物区域以及背景区域。进一步地，估重方法还包括：基于特征空间确定待估重对象的初始信息，其中，初始信息包括如下至少之一：待估重对象的体长、胸围、腰围、臀围；根据初始信息确定待估重对象所在的重量区间。进一步地，在基于特征空间确定待估重对象所在的重量区间之后，估重方法还包括：对待处理图像以及分割图像进行合并处理，得到合并图像。进一步地，估重方法还包括：获取待估重对象的深度图；其中，在基于特征空间确定待估重对象所在的重量区间之后，根据参照物区域对深度图、分割图像以及待处理图像进行视角变换，得到变换后的深度图、分割图像以及待处理图像；对变换后的深度图、分割图像以及待处理图像进行合并处理，得到合并图像。进一步地，估重方法还包括：基于第二神经网络从合并图像中提取特征，得到目标特征空间；基于目标特征空间进行回归处理，得到待估重对象的估重结果。进一步地，在待处理图像中，参照物与待估重对象不重叠，参照物的形状为矩形。根据本专利技术实施例的另一方面，还提供了一种估重方法，包括：基于第一神经网络对待处理图像进行处理，得到特征空间，其中，待处理图像中至少包括待估重对象和参照物；基于特征空间对待处理图像进行分割，得到分割图像，其中，分割图像至少包括：待估重对象区域、参照物区域以及背景区域；基于第二神经网络对待处理图像以及分割图像进行处理，得到待估重对象的估重结果。进一步地，估重方法还包括：基于第一神经网络对待处理图像逐层进行特征提取，得到特征空间，其中，特征空间包括底层特征和高层特征，底层特征包括如下至少之一：待估重对象的颜色、纹理，高层特征包括如下至少之一：待估重对象的类别、语义。进一步地，在基于第一神经网络对待处理图像进行处理，得到特征空间之后，估重方法还包括：对底层特征和高层特征进行融合处理，得到融合结果。进一步地，估重方法还包括：对待处理图像以及分割图像进行合并处理，得到合并图像；对合并图像进行处理，得到估重结果。进一步地，估重方法还包括：获取待估重对象的深度图；其中，基于第二神经网络对待处理图像以及分割图像进行处理，得到待估重对象的估重结果，包括：根据参照物区域对深度图、分割图像以及待处理图像进行视角变换，得到变换后的深度图、分割图像以及待处理图像；对变换后的深度图、分割图像以及待处理图像进行合并处理，得到合并图像；对合并图像进行处理，得到估重结果。进一步地，估重方法还包括：基于第二神经网络从合并图像中提取特征，得到目标特征空间；基于目标特征空间进行回归处理，得到待估重对象的估重结果。进一步地，在基于第一神经网络对待处理图像进行处理，得到特征空间之前，估重方法还包括：获取移动终端采集到的待处理图像。进一步地，在待处理图像中，参照物与待估重对象不重叠，参照物的形状为矩形。根据本专利技术实施例的另一方面，还提供了一种估重装置，包括：第一处理模块，用于基于第一神经网络对待处理图像进行处理，得到特征空间，其中，待处理图像中至少包括待估重对象；第一确定模块，用于基于特征空间确定待估重对象所在的重量区间；第一选择模块，用于确定与重量区间对应的第二神经网络；第二处理模块，用于基于第二神经网络对待处理图像进行处理，得到待估重对象的估重结果。根据本专利技术实施例的另一方面，还提供了一种估重装置，包括：第三处理模块，用于基于第一神经网络对待处理图像进行处理，得到特征空间，其中，待处理图像中至少包括待估重对象和参照物；分割模块，用于基于特征空间对待处理图像进行分割，得到分割图像，其中，分割图像至少包括：待估重对象区域、参照物区域以及背景区域；第四处理模块，用于基于第二神经网络对待处理图像以及分割图像进行处理，得到待估重对象的估重结果。根据本专利技术实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述的估重方法。根据本专利技术实施例的另一方面，还提供了一种处理器，该处理器用于运行程序，其中，程序运行时执行上述的估重方法。在本专利技术实施例中，采用无接触方式估重，通过基于第一神经网络对包含待估重对象的待处理图像进行处理，得到特征空间，然后基于特征空间确定待估重对象所在的重量区间，并确定与重量区间对应的第二神经网络，最后基于第二神经网络对待处理图像进行处理，得到待估重对象的估重结果。容易注意到的是，在上述对待估重对象进行估重的过程中，仅需对包含待估重对象的图像进行处理即可得到估重结果，而无需多个工作人员再对待估重对象进行抬起、移动等操作，节省了人力成本和时间成本。而且，上述估重过程也不需要使用电子称，只需一个移动终端(例如，手机)即可随时随地对待估重对象进行估重，方便快捷，不容易受到场地和设备的限制。另外，在对待处理图像进行处理的过程中，通过确定待估重对象所在的重量区间，根据重量区间来选择对应的神经网络对待处理图像进行处理，可以得到更加准确的估重结果。由此可见，本申请所提供的方案达到了无接触估重的目的，解决了现有的电子称称重本文档来自技高网...

【技术保护点】
1.一种估重方法，其特征在于，包括：/n基于第一神经网络对待处理图像进行处理，得到特征空间，其中，所述待处理图像中至少包括待估重对象；/n基于所述特征空间确定所述待估重对象所在的重量区间；/n选择与所述重量区间对应的第二神经网络；/n基于所述第二神经网络对所述待处理图像进行处理，得到所述待估重对象的估重结果。/n

【技术特征摘要】
1.一种估重方法，其特征在于，包括：
基于第一神经网络对待处理图像进行处理，得到特征空间，其中，所述待处理图像中至少包括待估重对象；
基于所述特征空间确定所述待估重对象所在的重量区间；
选择与所述重量区间对应的第二神经网络；
基于所述第二神经网络对所述待处理图像进行处理，得到所述待估重对象的估重结果。


2.根据权利要求1所述的方法，其特征在于，基于第一神经网络对待处理图像进行处理，得到特征空间，包括：
基于所述第一神经网络对所述待处理图像逐层进行特征提取，得到所述特征空间，其中，所述特征空间包括底层特征和高层特征，所述底层特征包括如下至少之一：所述待估重对象的颜色、纹理，所述高层特征包括如下至少之一：所述待估重对象的类别、语义。


3.根据权利要求2所述的方法，其特征在于，在基于第一神经网络对待处理图像进行处理，得到特征空间之后，所述方法还包括：对所述底层特征和所述高层特征进行融合处理，得到融合结果。


4.根据权利要求1所述的方法，其特征在于，所述待处理图像还包括参照物，其中，在基于所述第二神经网络对所述待处理图像进行处理，得到所述待估重对象的估重结果之前，所述方法还包括：
基于所述特征空间对所述待处理图像进行分割，得到分割图像，其中，所述分割图像至少包括：待估重对象区域、参照物区域以及背景区域。


5.根据权利要求1所述的方法，其特征在于，基于所述特征空间确定所述待估重对象所在的重量区间，包括：
基于所述特征空间确定所述待估重对象的初始信息，其中，所述初始信息包括如下至少之一：所述待估重对象的体长、胸围、腰围、臀围；
根据所述初始信息确定所述待估重对象所在的重量区间。


6.根据权利要求4所述的方法，其特征在于，在基于所述特征空间确定所述待估重对象所在的重量区间之后，所述方法还包括：
对所述待处理图像以及所述分割图像进行合并处理，得到合并图像。


7.根据权利要求4所述的方法，其特征在于，所述方法还包括获取所述待估重对象的深度图；其中，在基于所述特征空间确定所述待估重对象所在的重量区间之后，根据所述参照物区域对所述深度图、所述分割图像以及所述待处理图像进行视角变换，得到变换后的所述深度图、所述分割图像以及所述待处理图像；
对变换后的所述深度图、所述分割图像以及所述待处理图像进行合并处理，得到合并图像。


8.根据权利要求6或7所述的方法，其特征在于，基于所述第二神经网络对所述待处理图像进行处理，得到所述待估重对象的估重结果，包括：
基于所述第二神经网络从所述合并图像中提取特征，得到目标特征空间；
基于所述目标特征空间进行回归处理，得到所述待估重对象的估重结果。


9.根据权利要求1所述的方法，其特征在于，在基于第一神经网络对待处理图像进行处理，得到特征空间之前，所述方法还包括：
获取移动终端采集到的待处理图像。


10.根据权利要求4所述的方法，其特征在于，在所述待处理图像中，所述参照物与所述待估重对象不重叠，所述参照物的形状为矩形。


11.一种估重方法，其特征在于，包括：
基于第一神经网络对待处理图像进行处理，得到特征空间，其中，所述待处理图像中至少包括待估重对象和参照物；
基于所述特征空间对所述待处理图像进行分割，得到分割图像，其中，所述分割图像至少包括：待估重对象区域、参照物区域以及背景区域；
基于第二神经网络对所述待处理图像以及所述分割图像进行处理，得到所述待估重对象的估重...

【专利技术属性】
技术研发人员：徐法明，林建华，朱敏，王进，
申请(专利权)人：虹软科技股份有限公司，
类型：发明
国别省市：浙江;33