【技术实现步骤摘要】
一种基于实例分割的猪群遮挡分割识别方法及装置
[0001]本专利技术属于猪只养殖
，具体涉及一种基于实例分割的猪群遮挡分割识别方法及装置。
技术介绍
[0002]实例分割可以定义为同时解决目标检测问题和语义分割问题的技术；实例分割已成为机器视觉研究中比较重要、复杂和具有挑战性的领域之一；为了预测对象类标签和特定于像素的对象实例掩码，它对各种图像中出现的对象实例的不同类进行本地化。
[0003]在猪只养殖过程中，为了达到对猪只的实时监测，一般采用监控摄像头或者猪只识别技术进行监控，但是当猪只之间相互遮挡时，会导致对猪只的识别不够准确，进而对猪只的数量监控精度较低，并且无法对猪只的状态进行监控，因此提出了一种基于实例分割的猪群遮挡分割识别方法及装置。
技术实现思路
[0004]本专利技术要解决的技术问题是克服现有的缺陷，提供一种基于实例分割的猪群遮挡分割识别方法及装置，以解决上述
技术介绍
中提出的当猪只之间相互遮挡时，会导致对猪只的识别不够准确，进而对猪只的数量监控精度较低，并且无法对猪只的状态进行监...
【技术保护点】
【技术特征摘要】
1.一种基于实例分割的猪群遮挡分割识别方法，其特征在于：包括以下步骤：步骤1：获取猪只实时图像，将图像经过预处理后进行实例分割；步骤2：以不同颜色的掩码对猪只进行标注和编号，并且识别猪只的头部、尾部和腿部生成对应的关键点；步骤3：对猪只的行动进行分析，判断猪只的当前状态，将猪只分类为活跃状态和非活跃状态；步骤4：对非活跃猪只进行计时监测，并且按照时间顺序进行排列；步骤5：若出现非活跃时间超过预设时间的猪只进行警报，以通知监控后台。2.根据权利要求1所述的一种基于实例分割的猪群遮挡分割识别方法，其特征在于：所述步骤1包括以下步骤：步骤1.1：通过监控设备对猪只进行视频监控，每隔1s进行一次图像采集；步骤1.2：每次采集时长为1s，共采集25帧；步骤1.3：对每一帧图像进行去噪、修复等预处理，将预处理的图像输入到预训练的实例分割模型中进行分割，得到关于猪只的特征图像；步骤1.4：微调并且细化猪只特征图像。3.根据权利要求1所述的一种基于实例分割的猪群遮挡分割识别方法，其特征在于：所述步骤2包括以下步骤：步骤2.1：将猪只特征图像输入到实例分割模型中的区域生成网络RPN层中，以滑动窗口扫描图像寻找存在目标的区域，得到感兴趣区域RoI；步骤2.2：将RoI分别送入到实例分割模型中的一种基于快速区域的卷积网络Fast R
‑
CNN和全卷积神经网络FCN两个分支，Fast R
‑
CNN对RoI进行姿态分类和边界框回归，全卷积神经网络FCN为每个RoI生成不同颜色的掩码；步骤2.3：基于每个掩码分别截取二值图像，利用OpenCV对二值图像进行处理，根据图像的重心进行有序编号；步骤2.4：基于实例分割对应猪只的头部、尾部和腿部生成关键点，并且将关键点进行拼接。4.根据权利要求1所述的一种基于实例分割的猪群遮挡分割识别方法，其特征在于：所述步骤3包括以下步骤：步骤3.1：获取每一帧图像中猪只的轮廓和关键点；步骤3.2：将25帧图像中的轮廓和关键点进行对比，估计猪只的行动；步骤3.3：当猪只按照估计的路线被遮挡时继续进行标记；步骤3.4：将每秒25帧图像中的第13帧图像与下次采集的第13帧图像进行轮廓和关键点进行对比，判断猪只的活跃度；步骤3.5：若连续30s对比结果中轮廓和关键点重合度较高，则该编号的猪只为非活跃猪只，反之则为活跃猪只。5.根据权利要求1所述的一种基于实例分割的猪群遮挡分割识别方法，其特征在于：所述步骤4包括以下步骤：步骤4.1：预设猪只非活跃时间，如：在某个时间段内，猪只的非活跃时间不能超过n分钟；
步骤4.2：当猪只被判断为非活跃猪只时，则开始进行非活跃时间计时，若在预设非活跃时间内判定为活跃猪只则重新计时；步骤4.3：将非活跃猪只的不活跃时间分别进行计时统计；步骤4.4：将非活跃猪只根据统计时间由高到低进行排序。6.根据权利要求1所述的一种基于实例分割的猪群遮挡分割识别方法，其特征在于：所述步骤5包括以下步骤：步骤5.1：当统计的猪只中，某猪只的非活跃时间超过预设的时间时，对应的监控设备向终端发出警报；步骤5.2：管理人员可根据猪只的编号快速的了解到该猪只的情况；步骤5.3：管理人员到达现场进行勘察。7.根据权利要求2所述的一种基于实例分割的猪群遮挡分割识别方法，其特征在于：所述步骤1.4包括以下步骤：步骤1.4.1：对于特...
【专利技术属性】
技术研发人员：薛素金，杨焜，
申请(专利权)人：厦门农芯数字科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。