一种基于2D图像的非接触式动物胴体测重方法技术

本发明专利技术公开了一种基于2D图像的非接触式动物胴体测重方法，涉及计算机视觉应用技术领域。通过获取流水线上动物胴体数据；对动物胴体样本视频数据进行预处理，获得最终数据集；将最终数据集按比例划分为训练集样本和测试集样本；搭建DWD(Duck weight detection)卷积神经网络回归模型，回归动物胴体样本重量；使用训练完毕的DWD卷积神经网络回归模型预测动物胴体重量。使用深度学习算法自动提取2D图像特征，解决生产线上由于遮挡和晃动对测量精度的影响，通过非接触的方式实现大批量地预测动物胴体的体重。物胴体的体重。物胴体的体重。

【技术实现步骤摘要】
一种基于2D图像的非接触式动物胴体测重方法


[0001]本专利技术涉及计算机视觉应用
；尤其涉及一种基于2D图像的非接触式动物胴体测重方法。
技术背景
[0002]肉类产业智能化是肉类产业发展中至为重要，其中在肉食品加工厂中动物胴体智能测重是非常关键的一环，以在肉类占比中较重的禽肉中的肉鸭为例，中国目前每年肉鸭出栏量达30多亿只，鸭肉产量700多万吨，产值达到1000亿元以上，是世界第一的肉鸭生产和消费的大国。在肉鸭的生产与加工中，肉鸭胴体测重是食品加工厂关键的日常指标之一，包括日常管理、健康检查和计算料肉比等，同时也是目前中国肉鸭食品厂与养殖场交割的主要依据。因此研究具有高效率、低成本和免人工特点的流水线上的动物胴体自动测重技术对食品加工领域具有至关重要的作用。
[0003]目前在现代肉食品加工厂中大多采用的称重方式为利用重量传感器和电子秤称重的接触式称重方法。为了能够实现自动称重，Gonzalez
‑
Garcia等人开发了一个移动测量系统(M.J.Gonz
á
lez/>‑
Ga本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于2D图像的非接触式动物胴体测重方法，其特征在于：包括以下步骤：步骤1：获取流水线上动物胴体样本视频数据；步骤2：对步骤1.1中获取的动物胴体样本视频数据进行预处理，获得最终数据集；步骤3：将步骤2中获得的最终数据集按比例划分为训练集样本和测试集样本；步骤4：搭建DWD(Duck weight detection)卷积神经网络回归模型，回归动物胴体样本重量；步骤5：使用训练完毕的DWD卷积神经网络回归模型预测动物胴体重量。2.如权利要求1所述基于2D图像的非接触式动物胴体测重方法，其特征在于：步骤1的具体过程，包括以下步骤：步骤1.1：安装摄像机拍摄流水线上的动物胴体样本，获取动物胴体样本视频数据；步骤1.2：测量步骤1.1中拍摄的流水线上动物胴体样本的实际重量，获取动物胴体样本实际重量数据。3.如权利要求1所述基于2D图像的非接触式动物胴体测重方法，其特征在于：所述步骤2的具体过程，包括以下步骤：步骤2.1：对步骤1.2采集的动物胴体样本实际重量数据进行数据清洗，设定动物胴体样本的上限值及下限值区间，剔除实际重量在上限值及下限值区间之外的不合格样本；步骤2.2：将步骤1.1中获取的动物胴体样本视频数据分割成单一无遮挡的动物胴体图像。4.如权利要求3所述基于2D图像的非接触式动物胴体测重方法，其特征在于：所述步骤2.2具体过程，包括以下步骤：步骤2.2.1：视频分帧：将步骤1.1获取的动物胴体样本视频数据按帧分割成一张张的多姿态图像，每张多姿态图像中包含M只肉鸭和背景信息；步骤2.2.2：使用Otus自适应阈值算法将步骤2.2.1中分割后的多姿态图像转化为二值化图像，使用形态学开运算算法去除图像中的噪点；步骤2.2.3：对图像中动物胴体设置裁剪框，裁剪框以流水线上的动物胴体挂钩位置为对称，分离单只动物胴体图像；步骤2.2.4：通过轻量化U
‑
net模型的图像语义分割算法对步骤2.2.3中分离后的的单只动物胴体图像进行训练识，自动识别和保留目标主体，得到单一无遮挡的2D动物胴体图像；步骤2.2.5：对步...

【专利技术属性】
技术研发人员：赵玉良，田凯旋，
申请(专利权)人：东北大学秦皇岛分校，
类型：发明
国别省市：