【技术实现步骤摘要】
本专利技术涉及畜禽养殖、母猪管理、计算机技术、深度学习技术、自动控制，具体地讲是一种基于三维点云数据的猪体重智能估测方法。
技术介绍
1、对于养殖人员而言，猪只体重是饲养过程中最重要的指标之一，其反映了猪只健康状况、生长情况以及成熟情况。传统方法是利用地磅以及电子秤等设备直接接触给猪只称重。这种直接接触式测量方法会给猪只带来强烈的应激反应，从而产生不良影响，如生产性能下降、发病、甚至死亡。此外，利用地磅或电子秤测量猪只体重的方法需要耗费极大的人力和经济成本，严重影响了养殖场的经济效益以及市场的价格。
技术实现思路
1、本专利技术针对
技术介绍
中存在的问题，提出了一种基于三维点云数据的猪体重智能估测方法和生猪体重管理系统。
2、技术方案：
3、本专利技术首先公开了一种基于三维点云的生猪体重自动估测系统，它包括数据采集层、数据处理层、数据存储层、数据展示层，其中：
4、数据采集层为深度摄像头，用来采集猪只背部三维点云数据；
5、数据处理层接收深度摄像头采集的三维点云数据，并进行数据预处理；基于生猪体重预测模型进行猪体重自动估测；
6、数据处理层的输出一方面连接数据存储层以存储数据，另一方面连接数据展示层以展示数据。
7、优选的，所述数据处理层执行以下步骤实现猪体重自动估测：
8、s1、数据采集：接收数据采集层获得的猪只背部三维点云数据；
9、s2、数据预处理；
10、s3、点云分割
11、s4、基于anfis网络构建的生猪体重预测模型进行猪体重自动估测。
12、具体的，所述数据预处理包括：数据转换与清洗、点云滤波，其中：
13、数据转换与清洗：采集得到的猪只点云数据以bag格式储存于移动硬盘中，将bag格式文件转化为ply点云格式；针对点云数据残缺与遮挡问题，采用对ply点云数据进行人工清洗的方法去除；
14、针对点云数据噪点过多的问题，采用双边滤波的方法对点云数据噪点进行去除。
15、具体的，所述点云滤波包括以下步骤：
16、s2-1、计算点云总数量y，对于点q通过k近邻搜索相关知识得到点q的k个近临点，并k算出q点与其所有k个近临点的平均距离；
17、s2-2、将得到的y个距离集合{q1,q2,q3,……qn}，进行标准差σ和均值μ的计算：
18、
19、
20、s2-3、由标准差σ和均值μ得到基于高斯分布的最大阈值qmax＝μ+β*σ，β为标准差系数，其阈值取值范围由β的大小决定，对于不同的点云处理场景，β大小随之变化；
21、s2-4、将每个平均距离μ与阈值qmax进行大小比较并对点云进行处理，将值大于qmax的点视为离散点去除。
22、具体的，s3中，采用基于改进的区域生长分割算法去除点云数据背景，具体步骤如下：
23、s3-1、计算点云模型中所有点云的曲率并进行比较，找出点云集合q中曲率最小的点p，作为初始种子点，将其所在区域作为当前区域；
24、s3-2、计算近邻点与种子点的欧式距离l1，近邻点到平面的正交距离l2，法向量夹角θ；
25、s3-3、计算欧式距离和正交距离的阈值t1和t2，选取夹角阈值θt；若l1小于t1、l2小于t2且θ小于θt，则将该点纳入当前区域；
26、s3-4、若种子点的近邻点曲率均值大于曲率，则将该近邻点替换为新的种子点，循环执行该操作直到没有种子点；
27、s3-5、若当前区域点数量超过设定值nmin，则将当前区域加入分割序列，循环执行该操作直到所有点划分完成。
28、具体的，s3中，运用公式法提取猪体包络体体积、包络体表面积、投影周长、投影面积、肩宽、腹宽、臀宽、体高8个特征，是将耳根分割点记为点1和点2；尾根分割点记为点3和点4；颈部中点记为点5；肩宽测量点记为点6和点7；臀宽测量点记为点8和点9；尾根中点记为点10；腹宽测量点记为点11和点12；腹宽中点记为点13，8个特征的计算具体：
29、①包络体体积v：整个背部点云数据形成封闭图形的体积；
30、②包络体表面积s：整个背部点云数据形成封闭图形的表面积；
31、③背部投影周长c：背部投影到水平面时猪体轮廓周长；
32、④背部投影面积s1：背部投影到水平面时猪体轮廓面积；
33、⑤肩宽l2：点6和点7之间的直线距离；
34、⑥腹宽l3：点11与点12的直线距离；
35、⑦臀宽l1：点8和点9之间的直线距离；
36、⑧体高：点5与点13相加的平均值。
37、具体的，s4中，所述生猪体重预测模型通过以下步骤构建：
38、s4-1、产生训练数据、辅助校验数据和测试数据；
39、s4-2、确定输入变量为猪体包络体体积、包络体表面积、投影周长、投影面积、肩宽、腹宽、臀宽、体高八个特征，输出变量为最终猪只预测体重，以及每个输入变量所对应的隶属度函数的类型和个数；在一个优选的实施例中，具体是：
40、将训练集和测试集导入到anfis系统主界面，其中，训练集和测试集均有8组输入集，1组输出集，依据anfis原理每一层输入集都需要进行隶属度函数参数设定，经过对比，最终采用高斯函数作为隶属度函数，并以此为基础，得到anfis节点数为4426，线性参数个数为2187，非线性参数个数为84，参数总数为2271，训练数据对数为2625，测试数据对数为943，模糊规则数是2187。根据上述设定重新计算均方根误差，其中，最小训练均方根误差为0.0659819，最小测试集均方根误差为0.162933。结果表明，模型误差较小，预测数值可信度较高。下一步，利用高斯函数进行8层隶属度函数优化，由于所选取的隶属度函数参数均相同，所以拟合后的函数曲线也基本一致。其中，共有三条隶属度函数曲线，分别代表输入值的三种优良指标，选取每一层最优的数据，对测试集进行预测输出。
41、s4-3、产生anfis初始结构；
42、s4-4、anfis采用融合最小二乘估计法(least square error，lse)和bp(back-propagation)进行学习，来调整自适应神经模糊系统前件参数和结论参数。在一个具体实施例中，具体步骤：
43、(1)首先确定前件参数初始值，从第一层计算到第四层，利用最小二乘估计法优化参数并计算得出最优估计。由式1可得：
44、
45、式中，集合{p1，q1，r1，p2，q2，r2}为列向量x的元素构成，假设有n组输入输出数据，且前件参数提前给定，则矩阵f、x、a的位数为n×1、6×1、n×6。一般未知数个数本文档来自技高网...
【技术保护点】
1.一种基于三维点云数据的猪体重智能估测方法，其特征在于包括以下步骤：
2.根据权利要求1所述的系统，其特征在于所述数据预处理包括：数据转换与清洗、点云滤波，其中：
3.根据权利要求2所述的系统，其特征在于所述点云滤波包括以下步骤：
4.根据权利要求1所述的系统，其特征在于S3中，采用基于改进的区域生长分割算法去除点云数据背景，具体步骤如下：
5.根据权利要求1所述的系统，其特征在于S3中，运用公式法提取猪体包络体体积、包络体表面积、投影周长、投影面积、肩宽、腹宽、臀宽、体高8个特征，是将耳根分割点记为点1和点2；尾根分割点记为点3和点4；颈部中点记为点5；肩宽测量点记为点6和点7；臀宽测量点记为点8和点9；尾根中点记为点10；腹宽测量点记为点11和点12；腹宽中点记为点13，8个特征的计算具体：
6.根据权利要求1所述的系统，其特征在于S4中，所述生猪体重预测模型通过以下步骤构建：
7.根据权利要求6所述的系统，其特征在于S4-1中，所述训练数据、辅助校验数据和测试数据包括：猪只真实体重+编号；及猪只背部三
8.根据权利要求7所述的系统，其特征在于猪只真实体重+编号数据，通过以下方式获得：待养殖人员将猪只赶至地磅旁，将地磅归零，打开围栏，将猪赶上地磅，通过电脑SDK软件操纵摄像头，点击开始录像，待地磅电子显示器读数稳定，记录其真实体重，在猪只身上写上编号，每头猪在地磅上停留两分钟，两分钟后打开围栏，将猪只从地磅上赶离，猪只通过电脑上SDK软件操纵摄像头，点击结束录像，数据格式保存为编号+体重形式，拍摄的数据以bag格式储存于固态硬盘。
...【技术特征摘要】
1.一种基于三维点云数据的猪体重智能估测方法，其特征在于包括以下步骤：
2.根据权利要求1所述的系统，其特征在于所述数据预处理包括：数据转换与清洗、点云滤波，其中：
3.根据权利要求2所述的系统，其特征在于所述点云滤波包括以下步骤：
4.根据权利要求1所述的系统，其特征在于s3中，采用基于改进的区域生长分割算法去除点云数据背景，具体步骤如下：
5.根据权利要求1所述的系统，其特征在于s3中，运用公式法提取猪体包络体体积、包络体表面积、投影周长、投影面积、肩宽、腹宽、臀宽、体高8个特征，是将耳根分割点记为点1和点2；尾根分割点记为点3和点4；颈部中点记为点5；肩宽测量点记为点6和点7；臀宽测量点记为点8和点9；尾根中点记为点10；腹宽测量点记为点11和点12；腹宽中点记为点...
【专利技术属性】
技术研发人员：王建兵，刘龙申，蒋荣金，沈明霞，姚文，周军波，赵茹茜，龚琪，薛鸿翔，陈翔，王泰山，
申请(专利权)人：南京农业大学，
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。