[发明专利]一种无接触测重方法

权利要求书

1.一种无接触测重方法，其特征在于，该方法包括：

S1：将待送入神经网络的猪的深度图像进行预处理；

S2：将预处理后的猪的深度图像送入神经网络进行卷积特征提取；

S3：经过神经网络的计算后输出猪的体重的预测值；

所述步骤S3包括：

S31：以Faster RCNN网络为基础，在Faster RCNN网络的最后一部分添加回归层；

S32：使回归层分别与分类层和定位框坐标输出层并联；

S33：分类层输出类别置信度、定位框坐标输出层输出目标的位置坐标平移缩放比例，以及回归层输出归一化后的属性值，其中属性值为猪的体重值。

2.根据权利要求1所述的无接触测重方法，其特征在于，步骤S1的具体过程包括：

S11：对待预测数据进行减均值，使均值大小处于预设范围内；

S12：对减均值后的待预测数据进行数据翻转；

S13：将不同尺寸的图片缩放到相同尺寸。

3.根据权利要求1所述的无接触测重方法，其特征在于，步骤S2的具体过程包括：

S21：使用在ImageNet上训练的模型作为预训练参数，采用VGG16进行基础特征提取，获得特征图；

S22：通过区域提取网络RPN在特征图上进行候选框提取，确定定位框的位置。

4.根据权利要求1所述的无接触测重方法，其特征在于，在步骤S33之后进一步包括：

S34：将归一化后的属性值进行反归一化得到预测的真实值。

5.根据权利要求1所述的无接触测重方法，其特征在于，步骤S33的具体过程为：分类层和定位框坐标输出层输出前经过第一优化器优化后分别输出类别置信度和目标的位置坐标平移缩放比例；回归层输出前经过第二优化器优化后输出归一化后的属性值。

6.根据权利要求5所述的无接触测重方法，其特征在于，第一优化器用于优化目标定位和识别的总损失函数；第二优化器用于优化属性值的损失函数。

7.根据权利要求6所述的无接触测重方法，其特征在于，优化属性值的损失函数采用欧几里德空间的均方误差值，具体公式为：

其中，M为每批次处理数据的数量；i为第i个处理的数据；pred为网络输出的预测值；GT为待预测数据的真实值。