本发明专利技术涉及一种基于无人机技术的肉牛体重估算系统，包括：无人机飞行平台；摄像头，用于采集站立肉牛体型俯视、侧视和正视图图像；无线通讯模块，用于将摄像头采集到的肉牛图像发送至后台服务器；后台服务器，将获取到的肉牛图像通过已学习的深度学习网络模型预测肉牛身份并估算体重。本发明专利技术还公开了一种基于无人机技术的肉牛体重估算系统的估算方法。本发明专利技术通过将摄像头搭载在无人机飞行平台上，适用于各种规模下的养殖场，同时因无人机终端设备易操控、灵活性强等特点，可以快速完成某头牛的识别和估算；通过无线通讯模块将牛图像数据传输至后台服务器上进行处理，使得无人机终端设备无需太高算力，可以做到更加精简、便携和低成本。低成本。低成本。
【技术实现步骤摘要】
一种基于无人机技术的肉牛体重估算系统及方法
[0001]本专利技术涉及肉牛养殖
，尤其是一种基于无人机技术的肉牛体重估算系统及方法。
技术介绍
[0002]随着我国畜牧业逐渐走向规模化，牲畜牛数量的急剧增加为其养殖过程中体重测量带来巨大挑战，同时，近年来深度学习和物联网技术的快速发展，为肉牛养殖行业的精准化、智能化养殖带来可部署方案。牛体重是肉牛养殖行业重要的指标，然而，现阶段肉牛养殖场体重测量方法多采用人工测量，效率和准确性难以满足需求，且肉牛受到惊吓时容易对人造成伤害。
[0003]目前国内肉牛称重方式大多采用静态称重方式，而对于大型肉牛养殖牧场，牛体型过大以及牛的流动性和随意性，存在费时、费力、准确性和安全隐患等问题。因此急需研发一种肉牛体重估算系统及方法。
技术实现思路
[0004]为解决肉牛体重称量效率低下的问题，本专利技术的首要目的在于提供一种称重效率高、称重准确率高的基于无人机技术的肉牛体重估算系统。
[0005]为实现上述目的，本专利技术采用了以下技术方案：一种基于无人机技术的肉牛体重估算系统，包括：
[0006]无人机飞行平台，用于搭载摄像头；
[0007]摄像头，用于采集站立肉牛体型俯视、侧视和正视图图像；
[0008]无线通讯模块，用于将摄像头采集到的肉牛图像发送至后台服务器，并将后台服务器的相应应答返回无人机；
[0009]后台服务器，将获取到的肉牛图像通过已学习的深度学习网络模型预测肉牛身份并估算体重；
[0010]所述摄像头搭载在无人机飞行平台上，所述摄像头通过无线通讯模块与后台服务器双向通讯。
[0011]本专利技术的另一目的在于提供一种基于无人机技术的肉牛体重估算系统的估算方法，该方法包括下列顺序的步骤：
[0012](1)无人机按照规划航线飞行至工作位置；
[0013](2)无人机切换为人工操作模式，控制摄像头的高度和角度，采集站立肉牛体型的俯视、侧视和正视像，通过无线网通讯模块将图像传输至后台服务器；
[0014](3)基于深度学习图像分析技术通过数据分析实现牛身份识别和肉牛体重估算。
[0015]在步骤(3)中，所述实现牛身份识别具体包括以下步骤：
[0016](3a)采集不少于10000张牛脸图像，标注牛脸位置，输入Yolov5深度学习网络模型进行训练，得到训练完成的Yolov5深度学习网络模型，使得Yolov5深度学习网络模型具有
牛脸识别能力；
[0017](3b)将待采集的牛场中的牛脸进行图像采集，每头牛采集3幅图像，输入训练完成的Yolov5深度学习网络模型进行训练，使得Yolov5深度学习网络模型具备识别牛场中每头牛的能力。
[0018]在步骤(3)中，所述肉牛体重估算具体包括以下步骤：
[0019](4a)构建一个由swin_transformer网络结构改进的深度学习回归模型，深度学习回归模型由4个swin_transformer模块、平化层、卷积层和回归层组成，用于估测肉牛体重；
[0020](4b)使用训练的方式，配置网络参数，训练分为2个阶段：
[0021](4b1)语义分割阶段：将肉牛的图像整理成为俯视图、侧视图、正视图共3个数据集，分别用于训练第一子网络、第二子网络和第三子网络，用于准确分割出肉牛体型；
[0022](4b2)体重预测阶段：将第一子网络、第二子网络和第三子网络权重冻结，以肉牛俯视图、侧视图、正视图共3个数据集的图像作为输入，肉牛体重数据作为目标，训练整体深度学习回归模型，用于肉牛体重预测；
[0023](4c)将采集到的牛俯视图、侧视图和正视图分别输入完成参数配置的深度学习回归模型，预测牛的体重，将牛脸识别的结果与估算的体重进行配对，得到牛体重数据。
[0024]由上述技术方案可知，本专利技术的有益效果为：第一，通过将摄像头搭载在无人机飞行平台上，适用于各种规模下的养殖场，同时因无人机终端设备易操控、灵活性强等特点，可以快速完成某头牛的识别和估算；第二，通过无线通讯模块将牛图像数据传输至后台服务器上进行处理，使得无人机终端设备无需太高算力，可以做到更加精简、便携和低成本；第三，在养殖过程中牛的数量处于不断的变化中，使得Yolov5深度学习网络模型需要定期的重新学习，部署在后台服务器上可以方便统一进行训练，使得无人机终端设备更加独立。
附图说明
[0025]图1为本专利技术的方法流程图；
[0026]图2为本专利技术中深度学习回归模型的组成示意图。
具体实施方式
[0027]如图1所示，一种基于无人机技术的肉牛体重估算系统，包括：
[0028]无人机飞行平台，用于搭载摄像头；
[0029]摄像头，用于采集站立肉牛体型俯视、侧视和正视图图像；
[0030]无线通讯模块，用于将摄像头采集到的肉牛图像发送至后台服务器，并将后台服务器的相应应答返回无人机；
[0031]后台服务器，将获取到的肉牛图像通过已学习的深度学习网络模型预测肉牛身份并估算体重；
[0032]所述摄像头搭载在无人机飞行平台上，所述摄像头通过无线通讯模块与后台服务器双向通讯。
[0033]本方法包括下列顺序的步骤：
[0034](1)无人机按照规划航线飞行至工作位置；
[0035](2)无人机切换为人工操作模式，控制摄像头的高度和角度，采集站立肉牛体型的
俯视、侧视和正视像，通过无线网通讯模块将图像传输至后台服务器；
[0036](3)基于深度学习图像分析技术通过数据分析实现牛身份识别和肉牛体重估算。
[0037]在步骤(3)中，所述实现牛身份识别具体包括以下步骤：
[0038](3a)采集不少于10000张牛脸图像，标注牛脸位置，输入Yolov5深度学习网络模型进行训练，得到训练完成的Yolov5深度学习网络模型，使得Yolov5深度学习网络模型具有牛脸识别能力；
[0039](3b)将待采集的牛场中的牛脸进行图像采集，每头牛采集3幅图像，输入训练完成的Yolov5深度学习网络模型进行训练，使得Yolov5深度学习网络模型具备识别牛场中每头牛的能力。
[0040]如图2所示，在步骤(3)中，所述肉牛体重估算具体包括以下步骤：
[0041](4a)构建一个由swin_transformer网络结构改进的深度学习回归模型，深度学习回归模型由4个swin_transformer模块、平化层、卷积层和回归层组成，用于估测肉牛体重；
[0042](4b)使用训练的方式，配置网络参数，训练分为2个阶段：
[0043](4b1)语义分割阶段：将肉牛的图像整理成为俯视图、侧视图、正视图共3个数据集，分别用于训练第一子网络1、第二子网络2和第三子网络3，用于准确分割出肉牛体型；所述第一子网络1、第二子网络2和第三子网络3均由4个swin_transformer模块组成；在这里，第一子网络本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于无人机技术的肉牛体重估算系统，其特征在于：包括：无人机飞行平台，用于搭载摄像头；摄像头，用于采集站立肉牛体型俯视、侧视和正视图图像；无线通讯模块，用于将摄像头采集到的肉牛图像发送至后台服务器，并将后台服务器的相应应答返回无人机；后台服务器，将获取到的肉牛图像通过已学习的深度学习网络模型预测肉牛身份并估算体重；所述摄像头搭载在无人机飞行平台上，所述摄像头通过无线通讯模块与后台服务器双向通讯。2.根据权利要求1所述的基于无人机技术的肉牛体重估算系统的估算方法，其特征在于：该方法包括下列顺序的步骤：(1)无人机按照规划航线飞行至工作位置；(2)无人机采集站立肉牛体型的俯视、侧视和正视像，通过无线网通讯模块将图像传输至后台服务器；(3)基于深度学习图像分析技术通过数据分析实现牛身份识别和肉牛体重估算。3.根据权利要求2所述的估算方法，其特征在于：在步骤(3)中，所述实现牛身份识别具体包括以下步骤：(3a)采集不少于10000张牛脸图像，标注牛脸位置，输入Yolov5深度学习网络模型进行训练，得到训练完成的Yolov5深度学习网络模型，使得Yolov5深度学习网络模型具有牛脸识别能力；(3b)将待采集的牛场中的牛脸进行图像采集，每头牛采集3...
【专利技术属性】
技术研发人员：张石，张淦，张东彦，李威风，周云飞，陈汉，黄小平，
申请(专利权)人：宿州共福园畜牧养殖有限公司，
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。