基于深度学习的妊娠母猪背膘厚度测量方法、系统及设备技术方案

本发明专利技术公开了一种基于深度学习的妊娠母猪背膘厚度测量方法、系统及设备，涉及母猪繁殖性能评估领域，该方法包括：根据目标妊娠母猪后躯图像以及基于深度学习算法确定的图像分割模型，确定目标妊娠母猪臀部轮廓图像；根据目标妊娠母猪臀部轮廓图像计算多个目标妊娠母猪臀部轮廓特征；根据所有目标妊娠母猪臀部轮廓特征和梯度下降预测模型，计算目标妊娠母猪背膘厚度；目标妊娠母猪背膘厚度用于确定目标妊娠母猪体况评分。本发明专利技术能够根据妊娠母猪后躯图像，无接触测得母猪背标厚度，并依照背膘厚度实现妊娠母猪体况评分。背膘厚度实现妊娠母猪体况评分。背膘厚度实现妊娠母猪体况评分。

【技术实现步骤摘要】
基于深度学习的妊娠母猪背膘厚度测量方法、系统及设备


[0001]本专利技术涉及母猪繁殖性能评估领域，特别是涉及一种基于深度学习的妊娠母猪背膘厚度测量方法、系统及设备。

技术介绍

[0002]对母猪繁殖性能进行评估，可极大提高母猪的生产力，对于养殖业具有重大意义。近几十年来，总结反映母猪繁殖性能的最优评价方式便是体况评分，但目前母猪体况评分主要是通过使用背膘仪测量背腰或者依据经验肉眼观察臀部轮廓进行评分，误差大、效率低，且存在主观性强等缺点，在生产实际中操作费工费力。

技术实现思路

[0003]本专利技术的目的是提供一种基于深度学习的妊娠母猪背膘厚度测量方法、系统及设备，能够根据妊娠母猪后躯图像，无接触测得母猪背标厚度，并依照背膘厚度实现妊娠母猪体况评分。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]第一方面，本专利技术提供了一种基于深度学习的妊娠母猪背膘厚度测量方法，包括：
[0006]获取目标妊娠母猪后躯图像；所述目标妊娠母猪为待测量背膘厚度的妊娠母猪；
[0007]根据所述目标妊娠母猪后躯图像以及基于深度学习算法确定的图像分割模型，确定目标妊娠母猪臀部轮廓图像；
[0008]根据所述目标妊娠母猪臀部轮廓图像，计算多个目标妊娠母猪臀部轮廓特征；
[0009]根据所有所述目标妊娠母猪臀部轮廓特征和梯度下降预测模型，计算目标妊娠母猪背膘厚度；所述目标妊娠母猪背膘厚度用于确定目标妊娠母猪体况评分；所述梯度下降预测模型是根据梯度下降算法确定的。
[0010]第二方面，本专利技术提供了一种基于深度学习的妊娠母猪背膘厚度测量系统，包括：
[0011]目标妊娠母猪后躯图像获取模块，用于获取目标妊娠母猪后躯图像；所述目标妊娠母猪为待测量背膘厚度的妊娠母猪；
[0012]目标妊娠母猪臀部轮廓图像确定模块，用于根据所述目标妊娠母猪后躯图像以及基于深度学习算法确定的图像分割模型，确定目标妊娠母猪臀部轮廓图像；
[0013]目标妊娠母猪臀部轮廓特征计算模块，用于根据所述目标妊娠母猪臀部轮廓图像，计算多个目标妊娠母猪臀部轮廓特征；
[0014]目标妊娠母猪背膘厚度计算模块，用于根据所有所述目标妊娠母猪臀部轮廓特征和梯度下降预测模型，计算目标妊娠母猪背膘厚度；所述目标妊娠母猪背膘厚度用于确定目标妊娠母猪体况评分；所述梯度下降预测模型是根据梯度下降算法确定的。
[0015]第三方面，本专利技术提供了一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据第一方面所述的一种基于深度学习的妊娠母猪背膘厚度测量方法。
[0016]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0017]本专利技术将妊娠母猪后躯图像、数字图像处理技术和统计学手段应用到妊娠母猪背膘厚度测量过程中，实现无接触测得妊娠母猪背膘厚度，进而依照背膘厚度实现妊娠母猪臀部特征数字化体况评分。
附图说明
[0018]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0019]图1为本专利技术实施例提供的基于深度学习的妊娠母猪背膘厚度测量方法的流程示意图；
[0020]图2为本专利技术实施例提供的样本妊娠母猪后躯图像标注前后对比以及与二值化结果图；图2的(a)为标注前样本妊娠母猪后躯图像；图2的(b)为标注后样本妊娠母猪后躯图像；图2的(c)为图2的(b)的二值化结果图；
[0021]图3为本专利技术实施例提供的全卷积网络跳级连接结构图；
[0022]图4为本专利技术实施例提供的全卷积神经网络结构图；
[0023]图5为本专利技术实施例提供的全卷积神经网络输入输出对比结果图；图5的(a)为全卷积神经网络输入图像；图5的(b)为全卷积神经网络输出图像；
[0024]图6为本专利技术实施例提供的妊娠母猪臀部轮廓提取结果图；
[0025]图7为本专利技术实施例提供的梯度下降预测模型的预测真实对比图。
具体实施方式
[0026]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0027]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0028]实施例一
[0029]如图1所示，本实施例提供的一种基于深度学习的妊娠母猪背膘厚度测量方法，包括：
[0030]步骤100：获取目标妊娠母猪后躯图像；所述目标妊娠母猪为待测量背膘厚度的妊娠母猪。
[0031]步骤200：根据所述目标妊娠母猪后躯图像以及基于深度学习算法确定的图像分割模型，确定目标妊娠母猪臀部轮廓图像。
[0032]步骤300：根据所述目标妊娠母猪臀部轮廓图像，计算多个目标妊娠母猪臀部轮廓特征。
[0033]步骤400：根据所有所述目标妊娠母猪臀部轮廓特征和梯度下降预测模型，计算目
标妊娠母猪背膘厚度；所述目标妊娠母猪背膘厚度用于确定目标妊娠母猪体况评分；所述梯度下降预测模型是根据梯度下降算法确定的。
[0034]在本实施例中，所述图像分割模型的确定过程为：
[0035](1)构建第一样本数据集；所述第一样本数据集包括多个第一样本数据；所述第一样本数据包括样本妊娠母猪后躯图像以及对应的样本妊娠母猪臀部轮廓区域。
[0036](2)构建全卷积神经网络。其中，此全卷积神经网络详细介绍参见实施例三，在此不过多赘述。
[0037](3)采用所述第一样本数据集对所述全卷积神经网络进行训练测试，得到图像分割模型。
[0038]其中，构建第一样本数据集，具体包括：
[0039]1)获取多张样本妊娠母猪后躯图像。
[0040]2)运用Labelme标注工具对每张样本妊娠母猪后躯图像中的臀部轮廓区域进行语义标注，得到标注后的样本妊娠母猪后躯图像；
[0041]3)对标注后的样本妊娠母猪后躯图像进行数据增强操作，得到多个第一样本数据，进而构建第一样本数据集；所述数据增强操作包括几何变换和颜色变换。
[0042]在本实施例中，步骤300具体包括：
[0043]首先根据所述目标妊娠母猪臀部轮廓图像，利用OpenCV2中的findContours函数进行目标妊娠母猪臀部轮廓的提取；其次根据提取的目标妊娠母猪臀部轮廓，计算得到多个目标妊娠母猪臀部轮廓特征；多个目标妊娠母猪臀部轮廓特征分别为圆形度、曲率半径、叶状性和球状性。其中，圆形度、曲率半径、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的妊娠母猪背膘厚度测量方法，其特征在于，包括：获取目标妊娠母猪后躯图像；所述目标妊娠母猪为待测量背膘厚度的妊娠母猪；根据所述目标妊娠母猪后躯图像以及基于深度学习算法确定的图像分割模型，确定目标妊娠母猪臀部轮廓图像；根据所述目标妊娠母猪臀部轮廓图像，计算多个目标妊娠母猪臀部轮廓特征；根据所有所述目标妊娠母猪臀部轮廓特征和梯度下降预测模型，计算目标妊娠母猪背膘厚度；所述目标妊娠母猪背膘厚度用于确定目标妊娠母猪体况评分；所述梯度下降预测模型是根据梯度下降算法确定的。2.根据权利要求1所述的一种基于深度学习的妊娠母猪背膘厚度测量方法，其特征在于，所述图像分割模型的确定过程为：构建第一样本数据集；所述第一样本数据集包括多个第一样本数据；所述第一样本数据包括样本妊娠母猪后躯图像以及对应的样本妊娠母猪臀部轮廓区域；构建全卷积神经网络；采用所述第一样本数据集对所述全卷积神经网络进行训练测试，得到图像分割模型。3.根据权利要求2所述的一种基于深度学习的妊娠母猪背膘厚度测量方法，其特征在于，构建第一样本数据集，具体包括：获取多张样本妊娠母猪后躯图像；运用Labelme标注工具对每张样本妊娠母猪后躯图像中的臀部轮廓区域进行语义标注，得到标注后的样本妊娠母猪后躯图像；对标注后的样本妊娠母猪后躯图像进行数据增强操作，得到多个第一样本数据，进而构建第一样本数据集；所述数据增强操作包括几何变换和颜色变换。4.根据权利要求1所述的一种基于深度学习的妊娠母猪背膘厚度测量方法，其特征在于，根据所述目标妊娠母猪臀部轮廓图像，计算多个目标妊娠母猪臀部轮廓特征，具体包括：根据所述目标妊娠母猪臀部轮廓图像，利用OpenCV2中的findContours函数进行目标妊娠母猪臀部轮廓的提取；根据提取的目标妊娠母猪臀部轮廓，计算得到多个目标妊娠母猪臀部轮廓特征；多个目标妊娠母猪臀部轮廓特征分别为圆形度、曲率半径、叶状性和球状性。5.根据权利要求1所述的一种基于深度学习的妊娠母...

【专利技术属性】
技术研发人员：孙文骁，谢传奇，周卫东，李向军，肖华，徐杏，周昕，
申请(专利权)人：浙江省农业科学院，
类型：发明
国别省市：