【技术实现步骤摘要】
本申请涉及图像识别，具体涉及一种智慧宗地花猪舍的猪只计数方法、系统及设备。
技术介绍
1、在养猪场中，猪只数量是管理者最关心的问题之一。而传统的方法是通过人工清点和计数，这种方法不仅效率低下，而且容易出错。ai智能猪只计数软件中的猪识别技术主要是利用计算机视觉技术，通过对猪只图像进行处理和分析，从而实现对猪只数量的精准计数。这项技术的出现，不仅提高了养猪业的管理效率，还为猪只的健康生长提供了更好的保障。而数猪识别技术可以通过对猪舍中的猪只图像进行自动识别和计数，从而实现对猪只数量的精准控制。
2、常见的猪只计数方法是目标检测算法，目标检测算法中通常需要生成猪只的候选框，候选框的生成精度会直接影响猪只的检测精度，在候选框生成时，会受到猪舍复杂环境的干扰，同时猪只之间也会存在相互遮挡，导致候选框生成精度较低，进而降低猪只计数的精度和效率。
技术实现思路
1、第一方面，本申请实施例提供了一种智慧宗地花猪舍的猪只计数方法，该方法包括以下步骤：
2、s1：在智慧宗地花猪舍顶部安装摄像头，实时采集猪舍俯视灰度图；
3、s2：分析各个时刻下猪舍俯视灰度图的局部区域特征，确定各个时刻下每个目标区域的拓扑特征向量，具体过程如下：
4、（1）提取各时刻下猪舍俯视灰度图中所有边缘像素点，分析所有边缘像素点之间的距离，以及所有边缘像素点灰度值的变化速率，获取由边缘像素点构成的封闭区域，将各个封闭区域上的所有边缘像素点，记为封闭边缘点，将所有封闭区域之外的全部
5、（2）将处于封闭区域内部的封闭区域，记为特征区域，分别统计各个封闭区域内所有特征区域的数量，所有离散边缘点的数量以及所有封闭边缘点的数量，确定各封闭区域的初始得分；
6、（3）对各封闭区域内所有特征区域聚类，分析每个聚类簇与其余所有聚类簇之间所有特征区域的数量的差异，以及每个聚类簇内任意两个特征区域之间封闭边缘点总量之间的差异，确定各封闭区域的分布特征度，结合各封闭区域内每个封闭边缘点与其邻域内所有封闭边缘点之间的亮度差异，以及各封闭区域内所有特征区域的数量，确定各封闭区域的优化因子；
7、（4）基于优化因子和初始得分，确定各封闭区域的优化得分，从所有封闭区域中筛选出目标区域，以构建各目标区域的拓扑特征向量；
8、s3：分析不同时刻下猪舍俯视灰度图之间任意两个目标区域的拓扑特征向量的相似度，对智慧宗地花猪舍的猪只进行计数。
9、优选的，所述获取由边缘像素点构成的封闭区域，包括：
10、在各时刻的猪舍俯视灰度图中，计算各边缘像素点的梯度方向角，将距离各边缘像素点最近的边缘像素点，记为各边缘像素点的邻近点，计算各边缘像素点与其邻近点之间梯度方向角的差异，将各边缘像素点到其邻近点之间的距离与所述差异的乘积取倒数，作为各边缘像素点与其邻近点之间的连续度；
11、若边缘像素点与其邻近点之间的连续度大于预设阈值，则将边缘像素点与其邻近点相连，遍历所有边缘像素点，直至不存在边缘像素点与其邻近点之间连续度大于预设阈值为止，统计相连结果中所有呈闭环状态的边缘线所围成的区域，作为封闭区域。
12、优选的，所述各封闭区域的初始得分的表达式为：；表示封闭区域q的初始得分；表示封闭区域q包含的特征区域的数量；表示封闭区域q中离散边缘点的总数；表示封闭边缘q中封闭边缘点a的梯度幅值；表示封闭区域q中所有封闭边缘点的总数。
13、优选的，所述各封闭区域的分布特征度的确定方法为：
14、在各封闭区域中，计算任意两个聚类簇之间特征区域数量的差异，记为任意两个聚类簇之间的分布差异，将所有所述分布差异的均值，记为各封闭区域的分布均值；
15、计算每个聚类簇内任意两个特征区域之间所有封闭边缘点数量的差异，记为任意两个特征区域之间的特征差异，计算每个聚类簇中所有所述特征差异的累加和，记为每个聚类簇的特征和值，将各封闭区域内所有聚类簇的特征和值的均值，作为各封闭区域的特征值；
16、封闭区域q的分布特征度的表达式为：；式中，表示封闭区域q的分布均值；表示封闭区域q的特征值；exp( )表示以自然常数为底数的指数函数。
17、优选的，所述各封闭区域的优化因子的表达式为：；式中，表示封闭区域q的优化因子；表示封闭区域q中第u个特征区域内所有封闭边缘点的lbp值之间差异的累加和；表示封闭区域q内所有特征区域的数量。
18、优选的，所述各封闭区域的优化得分由各封闭区域的初始得分与优化因子相乘得到。
19、优选的，所述从所有封闭区域中筛选出目标区域，以构建各目标区域的拓扑特征向量，包括：
20、将各时刻的猪舍俯视灰度图中所有封闭区域的优化得分作为阈值分割算法的输入，输出分割阈值，将大于或等于分割阈值的封闭区域，作为目标区域；
21、获取各目标区域的邻接矩阵，根据邻接矩阵获取平均邻接数和最大连通域，将各目标区域中所有特征区域的数量，所述平均邻接数和最大连通域，组成各目标区域的拓扑特征向量。
22、优选的，所述对智慧宗地花猪舍的猪只进行计数，包括：
23、分别将当前时刻的猪舍俯视灰度图中所有目标区域的拓扑特征向量，当前时刻的前一时刻下猪舍俯视灰度图中所有目标区域的拓扑特征向量，记为当前向量和历史向量；计算各当前向量与所有历史向量之间的相似度，将最大的相似度对应的历史向量，作为各当前向量的类比向量；
24、计算各当前向量对应目标区域与类比向量对应目标区域之间特征区域的数量的差量，根据差量进行判断迭代，具体为：
25、（a）若差量大于或等于预设数值，则目标区域不存在遮挡，对目标区域进行编号；
26、（b）若差量小于预设数值，则目标区域存在遮挡，将目标区域分割为多个子封闭区域；
27、按照（a）、（b）对子封闭区域进行迭代，直至子封闭区域不存在遮挡为止，统计所有编号的数量，作为猪只的数量。
28、第二方面，本申请的实施例提供了一种智慧宗地花猪舍的猪只计数系统，所述系统包括：
29、猪只图像采集模块，用于在智慧宗地花猪舍顶部安装摄像头，实时采集猪舍俯视灰度图；
30、猪只权重获取模块，用于分析各个时刻下猪舍俯视灰度图的局部区域特征，确定各个时刻下每个目标区域的拓扑特征向量，具体过程如下：
31、提取各时刻下猪舍俯视灰度图中所有边缘像素点，分析所有边缘像素点之间的距离，以及所有边缘像素点灰度值的变化速率，获取由边缘像素点构成的封闭区域，将各个封闭区域上的所有边缘像素点，记为封闭边缘点，将所有封闭区域之外的全部边缘像素点，记为离散边缘点；
32、将处于封闭区域内部的封闭区域，记为特征区域，分别统计各个封闭区域内所有特征区域的数量，所有离散边缘点的数量以及所有封闭边缘点的数量，确定各封闭区域的初始得分；
33、对各封闭区域内所有本文档来自技高网...
【技术保护点】
1.一种智慧宗地花猪舍的猪只计数方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的一种智慧宗地花猪舍的猪只计数方法，其特征在于，所述获取由边缘像素点构成的封闭区域，包括：
3.如权利要求1所述的一种智慧宗地花猪舍的猪只计数方法，其特征在于，所述各封闭区域的初始得分的表达式为：；表示封闭区域Q的初始得分；表示封闭区域Q包含的特征区域的数量；表示封闭区域Q中离散边缘点的总数；表示封闭边缘Q中封闭边缘点a的梯度幅值；表示封闭区域Q中所有封闭边缘点的总数。
4.如权利要求1所述的一种智慧宗地花猪舍的猪只计数方法，其特征在于，所述各封闭区域的分布特征度的确定方法为：
5.如权利要求4所述的一种智慧宗地花猪舍的猪只计数方法，其特征在于，所述各封闭区域的优化因子的表达式为：；式中，表示封闭区域Q的优化因子；表示封闭区域Q中第u个特征区域内所有封闭边缘点的LBP值之间差异的累加和；表示封闭区域Q内所有特征区域的数量。
6.如权利要求1所述的一种智慧宗地花猪舍的猪只计数方法，其特征在于，所述各封闭区域的优化得分由各封闭区域的初
7.如权利要求1所述的一种智慧宗地花猪舍的猪只计数方法，其特征在于，所述从所有封闭区域中筛选出目标区域，以构建各目标区域的拓扑特征向量，包括：
8.如权利要求1所述的一种智慧宗地花猪舍的猪只计数方法，其特征在于，所述对智慧宗地花猪舍的猪只进行计数，包括：
9.一种智慧宗地花猪舍的猪只计数系统，实现如权利要求1所述的一种智慧宗地花猪舍的猪只计数方法，其特征在于，所述系统包括：
10.一种智慧宗地花猪舍的猪只计数设备，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-8任意一项所述一种智慧宗地花猪舍的猪只计数方法的步骤。
...【技术特征摘要】
1.一种智慧宗地花猪舍的猪只计数方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的一种智慧宗地花猪舍的猪只计数方法，其特征在于，所述获取由边缘像素点构成的封闭区域，包括：
3.如权利要求1所述的一种智慧宗地花猪舍的猪只计数方法，其特征在于，所述各封闭区域的初始得分的表达式为：；表示封闭区域q的初始得分；表示封闭区域q包含的特征区域的数量；表示封闭区域q中离散边缘点的总数；表示封闭边缘q中封闭边缘点a的梯度幅值；表示封闭区域q中所有封闭边缘点的总数。
4.如权利要求1所述的一种智慧宗地花猪舍的猪只计数方法，其特征在于，所述各封闭区域的分布特征度的确定方法为：
5.如权利要求4所述的一种智慧宗地花猪舍的猪只计数方法，其特征在于，所述各封闭区域的优化因子的表达式为：；式中，表示封闭区域q的优化因子；表示封闭区域q中第u个特征区域内所有封闭边缘点的lbp值之间差异的累加和；表...
【专利技术属性】
技术研发人员：田松军，杨仕钰，燕志宏，罗登国，肖亮，金彻，金露露，杨嘉仪，杨梦芸，
申请(专利权)人：贵州大学，
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。