一种猪只体征信息采集方法及系统技术方案

本发明专利技术提供一种猪只体征信息采集方法及系统，包括：基于目标检测算法对猪群背部深度图像进行图像分割，获取任一猪只的背部深度子图像；根据背部深度子图像，获取猪只的背部关键点信息，用以确定猪只的身份标识；对背部深度子图像进行图像识别，获取猪只的体征信息；将身份标识与体征信息绑定输出。本发明专利技术提供的猪只体征信息采集方法及系统，通过对深感相机所获取猪群背部深度图像进行目标跟踪识别，能自动获取每头猪只的身份标识；且能通过对每头猪只的背部深度子图像进行图像处理，获取每头猪只的体征信息；在整个信息采集的过程中不与猪只接触，避免了猪只检测时因环境变化引起的应激反应，同时还有效地减少了劳动力，节约了养殖成本。养殖成本。养殖成本。

【技术实现步骤摘要】
一种猪只体征信息采集方法及系统


[0001]本专利技术涉及农业信息
，尤其涉及一种猪只体征信息采集方法及系统。

技术介绍

[0002]养猪的生产链条很长，通常来说一头猪从出生到出栏要半年多的时间，在这期间猪只往往会遇上各式各样的问题，问题严重甚至会导致猪的群体死亡，所以对于猪只信息的及时、准确获取至关重要。
[0003]传统的猪只信息获取方式以目测为主，部分辅以手掌按压进行评分判别。对于规模较小的猪场，传统的猪只信息的获取方式尚且需要大量人力，对于大型规模化猪场而言，传统的猪只信息获取方式显得力不从心。
[0004]在现有的猪场养殖设施中，对猪只信息的获取均存在不准确性，并且在测量的过程中，会使得猪只受到惊吓而产生应激反应，这不利于群猪养殖，也容易导致养殖户无法准确获取正确的猪只信息，导致不能提供及时的管理措施。
[0005]因此，寻找到一种高效、准确的猪只信息获取方法，实现对猪只的生产、管理、防疫等方面进行全面监控、预警并能及给出操作指导，以提供一个良好的养殖环境，并提高猪场的生产效益，是当前养猪行业急需解决的问题。

技术实现思路

[0006]本专利技术提供一种猪只体征信息采集方法及系统，用以解决现有技术中人工采集猪只信息所存在的费时费力、精确性低的缺陷，实现猪只体征信息的全自动化采集。
[0007]第一方面，本专利技术提供一种猪只体征信息采集方法，包括：
[0008]基于目标检测算法对猪群背部深度图像进行图像分割，获取任一目标猪只的背部深度子图像；r/>[0009]根据所述背部深度子图像，获取所述目标猪只的背部关键点信息，用以确定所述目标猪只的身份标识；
[0010]对所述背部深度子图像进行图像识别，获取所述目标猪只的体征信息；
[0011]将所述身份标识与所述体征信息绑定输出。
[0012]根据本专利技术提供的一种猪只体征信息采集方法，所述体征信息包括体长信息、体高信息、体宽信息和背膘信息；
[0013]所述对所述背部深度子图像进行图像识别，获取所述目标猪只的体征信息，包括：
[0014]根据所述背部深度子图像，确定所述目标猪只的两耳根位置点、尾根位置点、髻甲顶点，并确定所述目标猪只的质心；
[0015]将所述两耳根位置点的连线中点与所述尾根位置点的连线长度，作为所述体长信息；
[0016]将所述髻甲顶点至地面的垂直距离，作为所述体高信息；
[0017]确定所述质心向每个耳根位置点的投影，并将两个所述投影的长度和作为所述体
宽信息；
[0018]对所述背部深度子图像进行旋转归一化后，获取所述目标猪只的臀部外形三维图像；将所述臀部外形三维图像与预先构建的臀部外形与背膘厚度映射表进行匹配，获取所述背膘信息。
[0019]根据本专利技术提供的一种猪只体征信息采集方法，所述体征信息，还包括：体重信息；
[0020]所述对所述背部深度子图像进行图像识别，获取所述目标猪只的体征信息，包括：
[0021]将所述背部深度子图像输入至体重预测模型，并根据所述体重预测模型的输出结果，获取与所述背部深度子图像对应的所述体重信息；
[0022]其中，所述体重预测模型是根据带有体重信息标签的背部深度图像样本进行训练后获得的。
[0023]根据本专利技术提供的一种猪只体征信息采集方法，还包括：
[0024]获取猪群热红外图像；
[0025]将所述猪群热红外图像映射至所述猪群背部深度图像；
[0026]获取与所述目标猪只的背部深度子图像相对应的猪只热红外子图像；
[0027]将所述猪只热红外子图像中所有像素点的最高温度，作为所述目标猪只的温度信息；
[0028]将所述温度信息、所述身份标识与所述体征信息绑定输出。
[0029]根据本专利技术提供的一种猪只体征信息采集方法，还包括：
[0030]采集猪群声音信号；
[0031]将所述猪群声音信号输入至情绪分类模型，获取与所述猪群声音信号相对应的情绪信息；
[0032]其中，所述情绪分类模型，是根据特征参数的权重系数组合以及高斯混合数目对识别率的影响，对高斯混合模型进行参数优化后获取的；
[0033]所述特征参数包括过零率、共振峰和梅尔频率倒谱系数。
[0034]根据本专利技术提供的一种猪只体征信息采集方法，还包括：
[0035]获取猪群近红外视频；
[0036]从所述猪群近红外视频提取出包含所述目标猪只的近红外图像序列；
[0037]对所述近红外图像序列中的每帧近红外图像进行特征点检测，获取猪只感兴趣区域序列；
[0038]计算所述猪只感兴趣区域序列中每一个猪只感兴趣区域的像素均值，获取单通道像素均值时间序列；
[0039]对所述单通道像素均值时间序列进行时间延迟处理，获取动态嵌入矩阵；
[0040]基于盲源分离方法，对所述动态嵌入矩阵进行独立成分分析，获取多个独立分量；
[0041]分别对每个所述独立分量进行功率谱分析，获取包含心率信息的目标独立分量；
[0042]根据所述目标独立分量的最大幅值所对应的频率，确定所述目标猪只的心率信息。
[0043]根据本专利技术提供的一种猪只体征信息采集方法，所述根据所述背部深度子图像，获取所述目标猪只的背部关键点信息，用以确定所述目标猪只的身份标识，包括：
[0044]结合目标猪只的体征变化曲线，利用等距特征映射流形学习算法对所述背部关键点信息进行特征融合优化；所述体征变化曲线是基于马尔科夫链模型构建的；
[0045]将特征融合优化后生成的形状特征信息输入至混合核函数支持向量机，生成所述目标猪只的身份标识。
[0046]第二方面，本专利技术还提供一种猪只体征信息采集系统，包括：图像分割单元，用于基于目标检测算法对猪群背部深度图像进行图像分割，获取任一目标猪只的背部深度子图像；
[0047]身份识别单元，用于根据所述背部深度子图像，获取所述目标猪只的背部关键点信息，用以确定所述目标猪只的身份标识；
[0048]信息分析单元，用于对所述背部深度子图像进行图像识别，获取所述目标猪只的体征信息；
[0049]信息输出单元，用于将所述身份标识与所述体征信息绑定输出。
[0050]第三方面，本专利技术提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述猪只体征信息采集方法的步骤。
[0051]第四方面，本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述猪只体征信息采集方法的步骤。
[0052]本专利技术提供的猪只体征信息采集方法及系统，通过对深感相机所获取猪群背部深度图像进行目标跟踪识别，能自动获取每头猪只的身份标识；且能通过对每头猪只的背部深度子图像进行图像处理，获取每头猪只的体征信息；在整个信息采本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种猪只体征信息采集方法，其特征在于，包括：基于目标检测算法对猪群背部深度图像进行图像分割，获取任一目标猪只的背部深度子图像；根据所述背部深度子图像，获取所述目标猪只的背部关键点信息，用以确定所述目标猪只的身份标识；对所述背部深度子图像进行图像识别，获取所述目标猪只的体征信息；将所述身份标识与所述体征信息绑定输出。2.根据权利要求1所述的猪只体征信息采集方法，其特征在于，所述体征信息包括体长信息、体高信息、体宽信息和背膘信息；所述对所述背部深度子图像进行图像识别，获取所述目标猪只的体征信息，包括：根据所述背部深度子图像，确定所述目标猪只的两耳根位置点、尾根位置点、髻甲顶点，并确定所述目标猪只的质心；将所述两耳根位置点的连线中点与所述尾根位置点的连线长度，作为所述体长信息；将所述髻甲顶点至地面的垂直距离，作为所述体高信息；确定所述质心向每个耳根位置点的投影，并将两个所述投影的长度和作为所述体宽信息；对所述背部深度子图像进行旋转归一化后，获取所述目标猪只的臀部外形三维图像；将所述臀部外形三维图像与预先构建的臀部外形与背膘厚度映射表进行匹配，获取所述背膘信息。3.根据权利要求1所述的猪只体征信息采集方法，其特征在于，所述体征信息，还包括：体重信息；所述对所述背部深度子图像进行图像识别，获取所述目标猪只的体征信息，包括：将所述背部深度子图像输入至体重预测模型，并根据所述体重预测模型的输出结果，获取与所述背部深度子图像对应的所述体重信息；其中，所述体重预测模型是根据带有体重信息标签的背部深度图像样本进行训练后获得的。4.根据权利要求1所述的猪只体征信息采集方法，其特征在于，还包括：获取猪群热红外图像；将所述猪群热红外图像映射至所述猪群背部深度图像；获取与所述目标猪只的背部深度子图像相对应的猪只热红外子图像；将所述猪只热红外子图像中所有像素点的最高温度，作为所述目标猪只的温度信息；将所述温度信息、所述身份标识与所述体征信息绑定输出。5.根据权利要求1所述的猪只体征信息采集方法，其特征在于，还包括：采集猪群声音信号；将所述猪群声音信号输入至情绪分类模型，获取与所述猪群声音信号相对应的情绪信息；其中，所述情绪分类模型，是根据特征参数的权重系数...

【专利技术属性】
技术研发人员：李斌，赵宇亮，曾繁国，朱君，王海峰，徐蔚，郎冲冲，
申请(专利权)人：北京市农林科学院智能装备技术研究中心，
类型：发明
国别省市：