【技术实现步骤摘要】
本专利技术涉及动物体况评估，具体地说，涉及一种动物体况评分方法。
技术介绍
1、动物体况评分是一个常见的用于评估动物健康和营养状况的指标。它通常基于一系列可观察的生理指标和行为表现来对动物的体况进行评估。评分的目的是判断动物是否处于良好的体况，并提供了重要的参考信息，以便采取适当的管理和护理措施。
2、不同的动物体况评分系统适用于不同的动物种类和需求。以下是一些常见的动物体况评分系统的例子：
3、bcs（body condition score）：适用于家畜（如牛、羊、猪等）的体况评分系统，通过外观观察和手感评估动物的脂肪沉积情况和体重变化等；
4、hcs（hen condition score）：适用于家禽（如鸡）的体况评分系统，侧重于评估母鸡（蛋鸡）的整体体况和健康状态；
5、mcs（milk condition score）：适用于乳牛的体况评分系统，通过观察和评估乳牛的背部形态和触感来评估其体内脂肪沉积情况和产奶能力；
6、wcs（wildlife condition score）：适用于野生动物的体况评分系统，通常根据动物的行为、外貌、体重变化等因素来评估其整体健康状况和存活能力；
7、这些体况评分系统提供了一种相对标准的方式来评估动物的体况。评分的具体步骤、指标和标准可能会因不同的系统而有所不同。在实践中，通常由专业人员根据评估手册或指南进行评分和判断。
8、目前主流的体况评分是由人来根据经验执行；有部分科研机构尝试采用纯视觉方案，受
技术实现思路
1、针对现有技术中存在的问题，本专利技术的目的在于提供一种动物体况评分方法，以解决上述
技术介绍
问题。
2、为实现上述目的，本专利技术采用如下的技术方案。
3、一种动物体况评分方法，包括以下评分步骤：
4、s1、架设动物体况设备，使用tof相机在合适机位；
5、s2、通过触发外置信号控制体况设备采集图像数据，所采集的图像数据包括彩色图像数据及深度图像数据，并将彩色图像及深度图像的像素坐标进行对齐操作；
6、s3、通过动物目标预测算法判断检测区域是否存在待检测目标；
7、s4、通过图像转换及背景过滤算法（depth2color算法）将采集图像数据转换为伪彩图像数据，同时过滤复杂背景环境，从而达到检测目标与图像背景分离的目的；
8、s5、通过姿态位置评估算法对伪彩图像数据的特定区域与通过大量相似环境下推断出的限定阈值进行对比，从而判断检测目标及检测环境是否符合评分要求；
9、s6、将符合要求的伪彩图像数据输入yolov7（you only look once version 7),通过骨干网络提取图像特征信息，从特征信息中获取体况评分；
10、s7、推算的结果通过体况评分筛选算法（bcs_filter算法）进行筛选，筛选出最符合目标的结果。
11、作为上述技术方案的进一步描述：
12、所述步骤s2中对齐操作包括获取摄像头输入的新帧，将获取的帧进行颜色对齐处理，从对齐的帧中获取深度帧，深度帧包含了场景内每个点的深度信息，然后将深度帧转换为numpy数组以便后续进行数值计算和图像处理，并将帧数据再次对齐，获得深度帧和彩色帧，之后将深度帧进行缩放和归一化操作。
13、作为上述技术方案的进一步描述：
14、所述步骤s3中的判断方式为通过大量统计测试获取目标预测参数(x1,y1),(x2,y2)，最小距离判定参数depth_distance，最大距离判断参数min_value,将深度数据输入动物目标预测算法中，根据（x1,y1)、（x2,y2）参数带入深度数据后获得局域检测数组，并计算出该数组中非0的最小值，将获得的最小值分别与最小距离判定参数和最大距离判定参数进行比较。
15、作为上述技术方案的进一步描述：
16、所述步骤s4中图像数据转换为伪彩图像数据的方式为根据图像像素创建形状相同，数据类型为整数的全1数组，将深度图像限制在最小值和最小值+255之间，生成最小值与全1数组相乘并归一化后的深度图像后将jet颜色映射到深度图像上将单通道的深度图像转为彩色图像，再将三个相同的深度图像堆叠在一起形成3d的深度图像。
17、作为上述技术方案的进一步描述：
18、所述步骤s4中的分离方法为根据3d的深度图像，将大于最小值+255或小于最小值的深度数据值返回黑色，作为背景部分，完成对环境背景的过滤。
19、作为上述技术方案的进一步描述：
20、所述步骤s5中的对比项如下：
21、通过统计测试获取点位参数:1号点、2号点、3号点、4号点、1号像素和、2号像素和，通过numpy.sum方法计算深度数据指定区域1[1号点、2号点]中的像素总数和指定区域2[3号点、4号点]中的像素总数。
22、根据两个像素总数进行判断是否指定区域1大于1号像素和并且指定区域2小于2号像素和。
23、其中，numpy.sum方法公式如下：
24、numpy.sum(a,axis=none,dtype=none,keepdims=false)；
25、a为要进行求和操作的数组或矩阵；axis为指定区域上进行求和操作，none为默认值；dtype：指定结果的数据类型。默认情况下，结果类型与输入数组的数据类型保持一致；keepdims为是否保持结果的维度，默认为false，结果形状会被压缩为一维数组；如果设为true，结果会保持原始数组的维度。
26、作为上述技术方案的进一步描述：
27、所述步骤s6中提取图像特征的提取方式为通过labelme进行图像标注，框选出动物体况评分部位，保存得到json格式的带有标签和图像点位信息的标注文件，并将每个图像对应的标注文件转换为txt文本文件整理好训练集和数据集输入到yolov7中进行模型训练。
28、作为上述技术方案的进一步描述：
29、所述标注文件的转换方式为tof摄像头的伪彩图像输入，将numpy数组转换为pytorch张量后数据转移到gpu设备中，再将数据图像像素值从[0,255]缩放位[0.0,1.0]区间，数据使用经过训练集和数据集训练好的yolov7模型进行结果预测，将结果从[xmin,ymin,xmax,ymax]转换为[x,y,w,h]格式后打包为[分值、置信度、预测框位置、预测框大小]格式返回。
30、作为上述技术方案的进一步描述：
31、所述步骤s2中的采集图像数据为多组，即多幅拍摄照片，每幅拍摄图像的拍摄间隔为0.1-1s，通过步骤s3本文档来自技高网...
【技术保护点】
1.一种动物体况评分方法，其特征在于，包括以下评分步骤：
2.根据权利要求1所述的一种动物体况评分方法，其特征在于：所述步骤S2中对齐操作包括获取摄像头输入的新帧，将获取的帧进行颜色对齐处理，从对齐的帧中获取深度帧，深度帧包含了场景内每个点的深度信息，然后将深度帧转换为NumPy数组以便后续进行数值计算和图像处理，并将帧数据再次对齐，获得深度帧和彩色帧，之后将深度帧进行缩放和归一化操作。
3.根据权利要求1所述的一种动物体况评分方法，其特征在于：所述步骤S3中的判断方式为通过大量统计测试获取目标预测参数(x1,y1),(x2,y2)，最小距离判定参数depth_distance，最大距离判断参数min_value,将深度数据输入动物目标预测算法中，根据（x1,y1)、（x2,y2）参数带入深度数据后获得局域检测数组，并计算出该数组中非0的最小值，将获得的最小值分别与最小距离判定参数和最大距离判定参数进行比较。
4.根据权利要求1所述的一种动物体况评分方法，其特征在于：所述步骤S4中图像数据转换为伪彩图像数据的方式为根据图像像素创建形状相同，数据
5.根据权利要求4所述的一种动物体况评分方法，其特征在于：所述步骤S4中的分离方法为根据3D的深度图像，将大于最小值+255或小于最小值的深度数据值返回黑色，作为背景部分，完成对环境背景的过滤。
6.根据权利要求1所述的一种动物体况评分方法，其特征在于：所述步骤S5中的对比项如下：
7.根据权利要求1所述的一种动物体况评分方法，其特征在于：所述步骤S6中提取图像特征的提取方式为通过labelme进行图像标注，框选出动物体况评分部位，保存得到json格式的带有标签和图像点位信息的标注文件，并将每个图像对应的标注文件转换为txt文本文件整理好训练集和数据集输入到YOLOv7中进行模型训练。
8.根据权利要求7所述的一种动物体况评分方法，其特征在于：所述标注文件的转换方式为TOF摄像头的伪彩图像输入，将numpy数组转换为PyTorch张量后数据转移到GPU设备中，再将数据图像像素值从[0,255]缩放位[0.0,1.0]区间，数据使用经过训练集和数据集训练好的YOLOv7模型进行结果预测，将结果从[xmin,ymin,xmax,ymax]转换为[x,y,w,h]格式后打包为[分值、置信度、预测框位置、预测框大小]格式返回。
9.根据权利要求1所述的一种动物体况评分方法，其特征在于：所述步骤S2中的采集图像数据为多组，即多幅拍摄照片，每幅拍摄图像的拍摄间隔为0.1-1S，通过步骤S3的动物目标预测算法判断存在待检测目标后，分为两种情况进行图像处理：
...【技术特征摘要】
1.一种动物体况评分方法，其特征在于，包括以下评分步骤：
2.根据权利要求1所述的一种动物体况评分方法，其特征在于：所述步骤s2中对齐操作包括获取摄像头输入的新帧，将获取的帧进行颜色对齐处理，从对齐的帧中获取深度帧，深度帧包含了场景内每个点的深度信息，然后将深度帧转换为numpy数组以便后续进行数值计算和图像处理，并将帧数据再次对齐，获得深度帧和彩色帧，之后将深度帧进行缩放和归一化操作。
3.根据权利要求1所述的一种动物体况评分方法，其特征在于：所述步骤s3中的判断方式为通过大量统计测试获取目标预测参数(x1,y1),(x2,y2)，最小距离判定参数depth_distance，最大距离判断参数min_value,将深度数据输入动物目标预测算法中，根据（x1,y1)、（x2,y2）参数带入深度数据后获得局域检测数组，并计算出该数组中非0的最小值，将获得的最小值分别与最小距离判定参数和最大距离判定参数进行比较。
4.根据权利要求1所述的一种动物体况评分方法，其特征在于：所述步骤s4中图像数据转换为伪彩图像数据的方式为根据图像像素创建形状相同，数据类型为整数的全1数组，将深度图像限制在最小值和最小值+255之间，生成最小值与全1数组相乘并归一化后的深度图像后将jet颜色映射到深度图像上将单通道的深度图像转为彩色图像，再将三个相同的深度图像堆叠在一起形成3d的深度图像。
5.根据权利要求4所述的一种动物体况评分...
【专利技术属性】
技术研发人员：赵金石，姜振宇，史吉祥，刘岩，马伟君，
申请(专利权)人：北京历源金成科技有限公司，
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。