一种基于CNN-LSTM神经网络的牦牛体重预测方法技术

本发明专利技术公开了一种基于CNN‑LSTM神经网络的牦牛体重预测方法，包括以下步骤：S1：利用摄像机采集牦牛侧视图，得到牦牛点云数据并存储；S2：对存储的牦牛点云数据进行预处理，得到去除水平栏杆的点云数据；S3：对去除水平栏杆的点云数据进行修复，得到修复后的牦牛点云数据；S4：将修复后的牦牛点云数据作为输入，利用CNN‑LSTM神经网络进行牦牛体重预测。本发明专利技术通过基于CNN‑LSTM神经网络的牦牛体重预测方法，利用神经网络模型和三维可视化技术，构建出牦牛体重预测模型，实现牦牛体重的无接触测量，为牦牛的规模化和标准化养殖提供便利。

【技术实现步骤摘要】
一种基于CNN-LSTM神经网络的牦牛体重预测方法
本专利技术属于畜牧养殖
，具体涉及一种基于CNN-LSTM神经网络的牦牛体重预测方法。
技术介绍
精准畜牧是现代农业的重要研究方向之一，也是智慧农业的重要组成部分。精准畜牧主要指用动物科学和信息技术对动物个体定时定量实施的一整套科学养殖与管理方法，保证畜牧产品的质量和安全，促使畜牧业高效益、低成本和可持续发展。牦牛的体重是其体型评定中的重要组成部分，测定牦牛的体重对于育种、饲料配给、确定治疗的用药量和判断牦牛的健康状况等具有重要作用；传统的测量牦牛的方法是实测法，即使用平台式地秤，使牦牛站在上面称得体重，该方法测得的值最为准确，但对于规模化和标准化养殖，这种实测法会消耗大量的人力、物力、财力和时间，且需将牦牛驱赶到称台上，一旦牦牛产生应激反应，测量精度难以控制，导致测量操作繁杂，产生误差；而在实际生产中，由于牛场缺少称重设备或设备远离牛舍，使得牦牛的称重变得愈加困难；一般来说，可以通过测量牦牛的体尺数据进行体重估计，主要的估计方法有：经验公式法和多元线性回归方程的方法等；但是，体本文档来自技高网...

【技术保护点】
1.一种基于CNN-LSTM神经网络的牦牛体重预测方法，其特征在于，包括以下步骤：/nS1：利用摄像机采集牦牛侧视图，得到牦牛点云数据并存储；/nS2：对存储的牦牛点云数据进行预处理，得到去除水平栏杆的点云数据；/nS3：利用三次B样条曲线法，对去除水平栏杆的点云数据进行修复，得到修复后的牦牛点云数据；/nS4：将修复后的牦牛点云数据作为输入，利用CNN-LSTM神经网络进行牦牛体重预测。/n

【技术特征摘要】
1.一种基于CNN-LSTM神经网络的牦牛体重预测方法，其特征在于，包括以下步骤：
S1：利用摄像机采集牦牛侧视图，得到牦牛点云数据并存储；
S2：对存储的牦牛点云数据进行预处理，得到去除水平栏杆的点云数据；
S3：利用三次B样条曲线法，对去除水平栏杆的点云数据进行修复，得到修复后的牦牛点云数据；
S4：将修复后的牦牛点云数据作为输入，利用CNN-LSTM神经网络进行牦牛体重预测。


2.根据权利要求1所述的基于CNN-LSTM神经网络的牦牛体重预测方法，其特征在于，所述步骤S1包括以下子步骤：
S11：将摄像机安装于距水平栏杆轴线2.15m和距地面高度0.9m处；
S12：利用摄像机采集牦牛侧视图并以.xef文件形式进行存储；
S13：对每头牦牛，选取.xef文件中5帧包含完整牦牛躯体的深度图像；
S14：提取每帧深度图像中的深度数据，并保存在.txt文件中；
S15：读取.txt文件中的深度数据，并利用m_pCoordinateMapper->MapDepthFrameToCameraSpace()函数将深度数据转换为牦牛点云数据，并按行存储到文本文件中。


3.根据权利要求2所述的基于CNN-LSTM神经网络的牦牛体重预测方法，其特征在于，所述步骤S15中，将深度数据转换为牦牛点云数据的方法为：利用m_pCoordinateMapper->MapDepthFrameToCameraSpace()函数将深度数据转换成以红外摄像头感光元件中心为坐标原点o、x轴水平向左、y轴竖直向上以及z轴沿拍摄方向垂直的o-xyz面三维点云数据，得到牦牛点云数据。


4.根据权利要求1所述的基于CNN-LSTM神经网络的牦牛体重预测方法，其特征在于，所述步骤S2包括以下子步骤：
S21：通过可视化测量水平栏杆的方向向量；
S22：将水平栏杆的方向向量作为给定轴线，并利用直线模板匹配法提取水平栏杆的中心直线参数，将直线模板匹配法中的距离阈值设置为0.025m，角度阈值设置为30°，得到直线方程l0；
S23：以直线方程l0作为分界，做系列包围圆柱体，其沿z轴正负向的圆柱体表达式分别为：

【专利技术属性】
技术研发人员：彭飞，陈颖，周齐朋，廖勇，
申请(专利权)人：成都希盟泰克科技发展有限公司，
类型：发明
国别省市：四川;51