[发明专利]基于图像的高精度称重方法、系统、电子设备及存储介质

权利要求书

1.基于图像的高精度称重方法，其特征在于，包括如下步骤：

S1、采集具有待称重物与参照物的图像，并对采集得到的图像进行标记与提取标记图像处理，处理得到的图像与原图像组成带标签的图像数据，并建立带标签的图像数据库；

S2、使用带标签的图像数据库中的数据训练用于识别提取待称重物与参照物的识别模型；并通过识别模型提取出的待称重物与参照物的图像，获取待称重物与参照物的面积比率；

S3、使用预训练数据构建并训练称重模型，将S2中获取的待称重物与参照物的面积比率输入至称重模型中，获得待称重物的重量。

2.如权利要求1所述的高精度称重方法，其特征在于，所述S1中采集具有待称重物与参照物的图像具体包括，采用拍摄设备采集待称重物与参照物的完整图像，采集时待称重物与参照物需位于拍摄设备的正下方；所述待称重物为猪、牛或羊。

3.如权利要求2所述的高精度称重方法，其特征在于，所述标记与提取标记图像处理具体包括，标记待称重猪、牛或羊时，待称重猪、牛或羊的两只前腿中只标记靠近拍摄设备的一只以及两只后腿中也只标记靠近拍摄设备的一只，并且在标记时除去待称重的猪、牛或羊的尾巴以及被标记前后腿的小腿部分，所述小腿部分为待称重的猪、牛或羊的腿关节到蹄的部分；分别提取标记好的待称重猪、牛或羊图像与参照物图像。

4.如权利要求1所述的高精度称重方法，其特征在于，所述S2中的待称重物与参照物的面积比率具体为待称重物与参照物的图像像素面积比率。

5.如权利要求1所述的高精度称重方法，其特征在于，所述S3中的称重模型采用神经网络通过预训练数据训练获得，所述预训练数据包括预先被标注的待称重物与参照物的面积比率和对应待称重物的重量，所述神经网络采用六层链式复合函数，得到公式（1）如下，

f(x)=y₆(y₅(y₄(y₃(y₂(y₁(x)))))) （1）

其中，x为参照物与待称重物的面积比率；

每一层函数表示如式（2），

y_i=g(W^Ty_i-1+b)（2）

其中，0i7，i∈N^*，当i=1时，y_i-1=x，g表示激活函数，W为参数矩阵，T表示转置矩阵，b为偏置项，x为参照物与待称重物的面积比率；为保证预测值的准确性，通过计算预测重量与实际重量的均方误差值来修正式（2）中的参数矩阵以及偏置项，直至均方误差值最小为止。

6.如权利要求1所述的高精度称重方法，其特征在于，所述标记采集的图像之前还包括，筛选待称重物与参照物的图像，仅保留参照物以及待称重物完整的图像，所述提取标记的图像包括使用连通域算法去掉所提取图像中将背景作为前景的部分，以及使用开运算填充前景中的孔洞部分，所述前景为图像中被标记的部分即待称重物以及参照物，所述背景为图像中未被标记的部分。