一种基于深度学习的红外猪只实例分割方法和系统技术方案

本发明专利技术公开了一种基于红外场景下的猪只实例分割方法和系统。首先，本方法可以实现全时段采集，相较于可见光图像对监测猪只具有实时优势；同时红外图像可以过滤掉一些复杂背景干扰，较可见光图像更易进行分割；另外基于红外图像的实例分割模型可以分割任何肤色、大小的猪品种，具有更高的泛化性。其次，本方法为了解决猪只群躺粘连的较密集分割问题，设计了DAG模块，分别在特征金字塔中引入了通道和空间注意力块，捕获通道和空间维度中的特征依赖性，同时对通道和空间注意力块的输出进行求和，进一步改进特征表示。最后，本发明专利技术方法为了提升分割候选框的精确性，通过级联三个检测头实现鲁棒性更强、分割效果更好的全天候猪只实例分割。

【技术实现步骤摘要】

本专利技术属于图像分割，特别是涉及在红外场景下的基于深度学习的猪只实例分割方法。

技术介绍

1、在密集化养殖、育种环境中，猪只密度的增加不仅显著增加了感染的风险，也增加了防治猪瘟的难度。群体猪的健康状况与农场可获得的经济效益密切相关。基于机器视觉的图像分析技术，为群种猪的研究提供了一种低成本、非接触性、无损伤的监测方法。对猪个体进行准确、快速的分割，有利于识别猪的异常行为，在此基础上及时采取应对措施，降低疾病的发病率。然而，复杂的光变化、猪只群躺存在猪体粘连和猪圈内的刚性闭塞等客观因素使猪个体的研究非常困难。因此，在各种全天候多干扰场景下实现猪的快速准确分割是必要的。

2、早在2008年，wathes等人已经开发了基于计算机视觉的早期预警系统，用于检测牲畜的行为变化，以监测健康状况。在猪个体领域，研究人员探索多个方向，包括nasirahmadi等人研究猪姿势的自动识别、kim等人研究检测站立和躺着行为、dominiak等人研究估算生长猪的用水量等等。过去几年来，基于深度学习的一些技术在农牧业逐步推广，kamilaris等人运用深度学习技术进行植本文档来自技高网...

【技术保护点】

1.一种基于深度学习的红外猪只实例分割方法，其特征在于，包括如下步骤：

2.如权利要求1所述的一种基于深度学习的红外猪只实例分割方法，其特征在于：步骤1中所述预处理包括对采集到的图像进行挑选，对挑选后的图像进行数据增强，数据增强为随机亮度变化操作和随机增加高斯噪声操作中的一种；

3.如权利要求1所述的一种基于深度学习的红外猪只实例分割方法，其特征在于：步骤2中Labelme标注软件对所有的猪只进行多边形标注；步骤3中所述卷积神经网络为ResNet101模型。

4.如权利要求1所述的一种基于深度学习的红外猪只实例分割方法，其特征在于：候选框生成算法的具体...

【技术特征摘要】

1.一种基于深度学习的红外猪只实例分割方法，其特征在于，包括如下步骤：

2.如权利要求1所述的一种基于深度学习的红外猪只实例分割方法，其特征在于：步骤1中所述预处理包括对采集到的图像进行挑选，对挑选后的图像进行数据增强，数据增强为随机亮度变化操作和随机增加高斯噪声操作中的一种；

3.如权利要求1所述的一种基于深度学习的红外猪只实例分割方法，其特征在于：步骤2中labelme标注软件对所有的猪只进行多边形标注；步骤3中所述卷积神经网络为resnet101模型。

4.如权利要求1所述的一种基于深度学习的红外猪只实例分割方法，其特征在于：候选框生成算法的具体处理过程为，首先生成锚框anchor boxes；然后进行二分类，判断每个anchor box为目标还是背景；用softmax分类器提取可能的候选框，通过边界框回归bounding box regression进行微调使得候选框和真实框groud truth box更加接近。

【专利技术属性】
技术研发人员：马泳，王戈，黄珺，樊凡，马佳义，
申请(专利权)人：武汉大学，
类型：发明
国别省市：