本发明专利技术提出一种基于视觉特征的端到端生猪背膘厚度检测方法和系统，包括：获取训练用生猪图像，且每张训练用生猪图像均具有预先标注的图片中的生猪区域和图片中生猪的背膘厚度；使用训练用生猪图像和其对应的生猪区域，训练基于卷积神经网络多尺度特征提取模型，得到用于生猪实例分割的深度卷积神经网络模型，并基于深度卷积神经网络模型，提取训练用生猪图像中生猪的视觉特征；使用训练用生猪图像的视觉特征和其对应的背膘厚度，训练图神经网络模型，得到背膘厚度预测模型；将待检测生猪图像输入深度卷积神经网络模型，得到待检测生猪图像中生猪的图像特征，并将其输入至背膘厚度预测模型，得到待检测生猪图像中生猪的背膘厚度。度。度。
【技术实现步骤摘要】
基于视觉特征的端到端生猪背膘厚度检测方法及系统
[0001]本专利技术涉及智慧养殖领域，并特别涉及一种基于视觉特征的端到端生猪背膘厚度检测方法及系统。
技术介绍
[0002]背膘厚度有助于评估母猪的繁殖性能、肉猪的瘦肉率等，现有技术中为了得到生猪背膘厚度往往采用基于专家经验的检测或基于超声波的检测。基于专家经验的检测技术，即养殖人员依据经验对活体生猪背膘厚度进行估测。基于超声波的检测技术，即应用超声波仪器对活体生猪背部的特定区域进行扫描，从而实现生猪背膘检测。常用的超声波检测方法包括A型超声扫描和B型超声扫描。
[0003]基于专家经验的检测过于依赖养殖人员的专业经验，检测结果不稳定，不适用大规模活体生猪背膘检测场景。基于超声波的检测，通过生猪背膘仪进行检测时，需要对生猪进行固定，并剔除背部特定区域的毛发，易造成生猪应激；此外，为避免人为因素的影响，通常需要单一专人进行检测，耗时耗力，极大限制检测效率。
技术实现思路
[0004]针对现有技术的不足，本专利技术提出一种降低对专家先验知识依赖，能够快速、准确检测活体生猪背膘厚度的智能化检测方法，解决复杂养殖环境下活体生猪背膘厚度估测偏差较大且耗时耗力的难题。
[0005]具体来说，本专利技术提出了一种基于视觉特征的端到端生猪背膘厚度检测方法，其中，包括：
[0006]步骤1、获取多张训练用生猪图像，且每张训练用生猪图像均具有预先标注的图片中的生猪区域和图片中生猪的背膘厚度；
[0007]步骤2、使用该训练用生猪图像和其对应的生猪区域，训练基于卷积神经网络多尺度特征提取模型，得到用于生猪实例分割的深度卷积神经网络模型，并基于该深度卷积神经网络模型，提取该训练用生猪图像中生猪的视觉特征；
[0008]步骤3、使用该训练用生猪图像的视觉特征和其对应的背膘厚度，训练图神经网络模型，得到背膘厚度预测模型；
[0009]步骤4、将待检测生猪图像输入该深度卷积神经网络模型，得到该待检测生猪图像中生猪的图像特征，并将其输入至该背膘厚度预测模型，得到该待检测生猪图像中生猪的背膘厚度作为检测结果。
[0010]所述的基于视觉特征的端到端生猪背膘厚度检测方法，其中，每张该训练用生猪图像还具有预先标注的拍摄视角；该背膘厚度预测模型包括特征提取骨干网络、基于全连接网络的特征预处理模块和自适应特征语义挖掘模块；
[0011]该步骤3包括：以每张训练用生猪图像的生猪实例特征输入至该实例特征预处理模块，以将所有生猪实例特征映射至相同的高维空间，形成视觉特征统一表征；并采用该特
征提取骨干网络处理生猪实例特征，检测每张训练用生猪图像的拍摄视角；
[0012]选择该自适应特征语义挖掘模块中与检测的拍摄角度相对应的语义挖掘模块，对该视觉特征统一表征进行背膘厚度预测。
[0013]所述的基于视觉特征的端到端生猪背膘厚度检测方法，其中，该拍摄视角包括侧视、俯视和后视，该自适应特征语义挖掘模块包括侧视特征语义挖掘模块、俯视特征语义挖掘模块和后视特征语义挖掘模块。
[0014]所述的基于视觉特征的端到端生猪背膘厚度检测方法，其中，该待检测生猪图像为同一生猪的多视角图像，将该待检测生猪图像的多视角或指定视角图像输入该深度卷积神经网络模型，得到多视角或指定视角的图像特征，并将多视角或指定视角的图像特征输入至该背膘厚度预测模型，综合该背膘厚度预测模型中自适应特征语义挖掘模块中各语义挖掘模块的背膘厚度预测结果，得到该待检测生猪图像中生猪的背膘厚度。
[0015]本专利技术还提出了一种基于视觉特征的端到端生猪背膘厚度检测系统，其中，包括：
[0016]初始模块，用于获取多张训练用生猪图像，且每张训练用生猪图像均具有预先标注的图片中的生猪区域和图片中生猪的背膘厚度；
[0017]特征提取模块，用于基于该训练用生猪图像和其对应的生猪区域，训练基于卷积神经网络多尺度特征提取模型，得到用于生猪实例分割的深度卷积神经网络模型，并基于该深度卷积神经网络模型，提取该训练用生猪图像中生猪的视觉特征；
[0018]训练模块，用于基于该训练用生猪图像的视觉特征和其对应的背膘厚度，训练图神经网络模型，得到背膘厚度预测模型；
[0019]预测模块，将待检测生猪图像输入该深度卷积神经网络模型，得到该待检测生猪图像中生猪的图像特征，并将其输入至该背膘厚度预测模型，得到该待检测生猪图像中生猪的背膘厚度作为检测结果。
[0020]所述的基于视觉特征的端到端生猪背膘厚度检测系统，其中，每张该训练用生猪图像还具有预先标注的拍摄视角；该背膘厚度预测模型包括特征提取骨干网络、基于全连接网络的特征预处理模块和自适应特征语义挖掘模块；
[0021]该训练模块用于：以每张训练用生猪图像的生猪实例特征输入至该实例特征预处理模块，以将所有生猪实例特征映射至相同的高维空间，形成视觉特征统一表征；并采用该特征提取骨干网络处理生猪实例特征，检测每张训练用生猪图像的拍摄视角；
[0022]选择该自适应特征语义挖掘模块中与检测的拍摄角度相对应的语义挖掘模块，对该视觉特征统一表征进行背膘厚度预测。
[0023]所述的基于视觉特征的端到端生猪背膘厚度检测系统，其中，该拍摄视角包括侧视、俯视和后视，该自适应特征语义挖掘模块包括侧视特征语义挖掘模块、俯视特征语义挖掘模块和后视特征语义挖掘模块。
[0024]所述的基于视觉特征的端到端生猪背膘厚度检测系统，其中，该待检测生猪图像为同一生猪的多视角图像，将该待检测生猪图像的多视角或指定视角图像输入该深度卷积神经网络模型，得到多视角或指定视角的图像特征，并将多视角或指定视角的图像特征输入至该背膘厚度预测模型，综合该背膘厚度预测模型中自适应特征语义挖掘模块中各语义挖掘模块的背膘厚度预测结果，得到该待检测生猪图像中生猪的背膘厚度。
[0025]本专利技术还提出了一种存储介质，用于存储执行所述任意一种基于视觉特征的端到
端生猪背膘厚度检测方法的程序。
[0026]本专利技术还提出了一种客户端，用于所述任意一种用于基于视觉特征的端到端生猪背膘厚度检测系统。
[0027]由以上方案可知，本专利技术的优点在于：
[0028]本专利技术是智慧养殖背景下活体生猪背膘厚度估测的软件算法解决方案，无需安装、配置复杂的硬件系统，在大规模生猪养殖场景下，依据机器视觉算法，有效解决实际养殖环境下背膘厚度估测对养殖人员专家先验知识的依赖，在降低人力、物力成本的同时减少对生猪健康的损害。在识别过程中，应用实例分割算法精准提取图像中活体生猪的轮廓，充分提取对生猪背膘检测有判别价值的多角度视觉特征，包括俯视、侧视、后视等角度。
[0029]背膘厚度回归模型的训练中，充分利用养殖人员专业知识和背膘仪的检测结果，设计基于卷积神经网络的背膘厚度回归模型，并在多视角生猪视觉特征数据上进行回归训练，实现任意角度生猪图像的背膘厚度检测。在实际养殖环境中实现快速、准确的背膘厚度估测，提高生猪养殖的智慧化管理程度。
本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于视觉特征的端到端生猪背膘厚度检测方法，其特征在于，包括：步骤1、获取多张训练用生猪图像，且每张训练用生猪图像均具有预先标注的图片中的生猪区域和图片中生猪的背膘厚度；步骤2、使用该训练用生猪图像和其对应的生猪区域，训练基于卷积神经网络多尺度特征提取模型，得到用于生猪实例分割的深度卷积神经网络模型，并基于该深度卷积神经网络模型，提取该训练用生猪图像中生猪的视觉特征；步骤3、使用该训练用生猪图像的视觉特征和其对应的背膘厚度，训练图神经网络模型，得到背膘厚度预测模型；步骤4、将待检测生猪图像输入该深度卷积神经网络模型，得到该待检测生猪图像中生猪的图像特征，并将其输入至该背膘厚度预测模型，得到该待检测生猪图像中生猪的背膘厚度作为检测结果。2.如权利要求1所述的基于视觉特征的端到端生猪背膘厚度检测方法，其特征在于，每张该训练用生猪图像还具有预先标注的拍摄视角；该背膘厚度预测模型包括特征提取骨干网络、基于全连接网络的特征预处理模块和自适应特征语义挖掘模块；该步骤3包括：以每张训练用生猪图像的生猪实例特征输入至该实例特征预处理模块，以将所有生猪实例特征映射至相同的高维空间，形成视觉特征统一表征；并采用该特征提取骨干网络处理生猪实例特征，检测每张训练用生猪图像的拍摄视角；选择该自适应特征语义挖掘模块中与检测的拍摄角度相对应的语义挖掘模块，对该视觉特征统一表征进行背膘厚度预测。3.如权利要求2所述的基于视觉特征的端到端生猪背膘厚度检测方法，其特征在于，该拍摄视角包括侧视、俯视和后视，该自适应特征语义挖掘模块包括侧视特征语义挖掘模块、俯视特征语义挖掘模块和后视特征语义挖掘模块。4.如权利要求2所述的基于视觉特征的端到端生猪背膘厚度检测方法，其特征在于，该待检测生猪图像为同一生猪的多视角图像，将该待检测生猪图像的多视角或指定视角图像输入该深度卷积神经网络模型，得到多视角或指定视角的图像特征，并将多视角或指定视角的图像特征输入至该背膘厚度预测模型，综合该背膘厚度预测模型中自适应特征语义挖掘模块中各语义挖掘模块的背膘厚度预测结果，得到该待检测生猪图像中生猪的背膘厚度。5.一种基于视觉特征的端到端生猪背膘厚度检测系统，其特征在于，包括：初始模块，用于获取多张训练用生猪图像，且每张训练用生猪图像...
【专利技术属性】
技术研发人员：柴秀娟，管志斌，张建华，孙坦，
申请(专利权)人：中国农业科学院农业信息研究所，
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。