[发明专利]基于机器视觉的母猪发情行为检测方法

说明书

本发明公开了一种基于机器视觉的母猪发情行为检测方法，首先通过母猪生活视频训练出爬跨行为判断模型；通过母猪生活视频获取到多只发情母猪的位移运动量信息、在公猪诱情情况下与公猪之间的接近程度，由爬跨行为判断模型判断出一定数量发情母猪的爬跨行为和爬跨行为的频次；将上述获取到的各只发情母猪的信息作为各训练样本对神经网络模型进行训练，得到母猪发情预警模型；当要检测母猪发情行为时，通过母猪视频获取到母猪的位移运动量信息、母猪爬跨行为频次以及公猪诱情情况下与公猪之间的接近程度，将上述信息输入到母猪发情预警模型中，判断出母猪是否发情，本发明能够快速且准确的检测出母猪的发情行为，减轻劳动强度的同时增加猪场收益。

技术领域

本发明涉及视频图像处理技术领域，特别涉及一种基于机器视觉的母猪发情行为检测方法。

背景技术

母猪发情行为的及时发现可以更为准确的给它进行受精，避免发现不及时而错过受精时间，对猪场的收益十分重要。目前国内采用熟练工人的人工观察的方式去检查母猪是否发生发情行为。这些方法不但消耗人工大量的时间和精力，对成熟工人的培养耗费很大，而且得到的观测数据主观性较强，无法准确地、客观地找出哪只母猪正在发情。随着高清视频网络监控技术和图像处理分析技术的快速应用发展，通过监控摄像机可以全天候观察母猪的生活情况，能够通过算法自动提取一些人工难以找到的特征，使得使用基于机器视觉的母猪发情监测预警成为可能。目前，关于母猪发情的论文研究大多在动物科学领域，而在计算机视觉方面，国内外学者少有研究。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种机器视觉的母猪发情行为检测方法，该方法能够快速且准确的检测出母猪的发情行为，减轻劳动强度的同时增加猪场收益。

本发明的目的通过下述技术方案实现：一种基于机器视觉的母猪发情行为检测方法，步骤如下：

步骤S1、通过摄像头拍摄到多张母猪在爬跨时的图像，并且将图像中的母猪爬跨位置标记出来，由母猪爬跨位置被标记好的各图像得到第一训练集，通过第一训练集对深度学习模型进行训练，得到爬跨行为判断模型；

通过摄像头拍摄到母猪在发情时的视频，从各只母猪在发情时的视频中对各只发情的母猪进行跟踪和识别，并且提取出各只发情母猪的位移运动量信息；针对上述拍摄到的各只母猪在发情时的视频，通过爬跨行为判断模型判断视频中各帧图像母猪是否有爬跨行为，并且统计出爬跨行为的频次；针对上述通过摄像头拍摄到的各只母猪在发情时的视频，获取到各只发情母猪与公猪之间的接近程度；

步骤S2、将步骤S1中获取到的每只发情母猪的位移运动量信息、爬跨行为的频次以及公猪进行诱情时与公猪之间接近程度作为每个训练样本，构成第二训练集；通过第二训练集对神经网络模型进行训练，得到母猪发情预警模型；

步骤S3、当需要对母猪的发情行为进行检测时，通过摄像头拍摄到母猪的视频，从上述视频中针对母猪进行跟踪和识别，并且提取出母猪的位移运动量数据；同时针对上述拍摄到的母猪视频，通过爬跨行为判断模型判断视频中各帧图像是否有母猪爬跨行为，并且统计出母猪爬跨行为的频次；另外针对上述通过摄像头拍摄到的母猪视频，获取到母猪与公猪之间接近程度；

步骤S4、将步骤S3获取到的母猪的位移运动量数据、母猪爬跨行为的频次以及公猪诱情时母猪与公猪之间的接近程度输入到母猪发情预警模型，通过母猪发情预警模型判定出母猪是否发情。

优选的，所述步骤S1中，训练得到爬跨行为判断模型的具体过程如下：

通过摄像头拍摄到多张母猪在爬跨时的图像，由各张母猪在爬跨时的图像形成图形数据集，将图像数据集分成第一训练集和验证集；首先通过第一训练集对深度学习模型进行训练，然后采用验证集针对上述训练后的深度学习模型进行验证，若准确率达到一定值，则将上述训练后的深度学习模型作为最终爬跨行为判断模型，否则继续增加训练次数，直到训练后的深度模型的准确率达到一定值。