[发明专利]猪只体重的估测方法、装置、设备和存储介质

权利要求书

1.一种猪只体重的估测方法，其特征在于，所述估测方法包括：

获取待估重猪只的背部深度图像数据；

将所述背部深度图像数据输入预置的猪只体重估测模型，得到所述猪只体重估测模型输出的猪只体重；

其中，所述猪只体重估测模型采用猪只的背部深度图像样本和所述猪只的背部深度图像样本对应的猪只体重训练得到。

2.根据权利要求1所述的估测方法，其特征在于，所述猪只体重估测模型的训练方法包括：

采用由第一样本数据集划分得到的训练集和测试集对卷积神经网络进行多次回归训练并测试，直至损失值小于设定的第一阈值，得到所述卷积神经网络的第一模型，其中，所述第一样本数据集包括第一批次的猪只的背部深度图像样本及对应的猪只体重；

采用第二样本数据集作为验证集对所述第一模型进行验证，并对验证不通过的所述第一模型采用所述第二样本数据集进行回归训练，得到所述卷积神经网络的第二模型，其中，所述第二样本数据集包括第二批次的猪只的背部深度图像样本及对应的猪只体重；

采用新的样本数据集多次对所述第二模型进行验证和训练，直至验证通过，得到所述猪只体重估测模型。

3.根据权利要求1所述的估测方法，其特征在于，所述卷积神经网络包括隐藏层和全连接层；所述隐藏层包括依次重复出现的卷积层、批归一化BN层与池化层；

其中，所述卷积层用于对所述背部深度图像数据进行特征提取，所述批归一化层用于对特征提取得到的特征数据进行归一化处理，所述池化层用于对归一化处理后的特征数据进行压缩，所述全连接层用于建立所述隐藏层的特征数据与猪只体重的对应关系，以根据所述隐藏层的特征数据确定猪只体重。

4.根据权利要求2述的估测方法，其特征在于，所述采用由第一样本数据集划分得到的训练集和测试集对卷积神经网络进行多次回归训练，直至损失值小于设定的第一阈值，得到所述卷积神经网络的第一模型，包括：

采用均方差损失函数计算所述卷积神经网络输出的损失值；

在所述损失值小于设定的第一阈值时，得到所述第一模型。

5.根据权利要求2所述的估测方法，其特征在于，采集所述第一样本数据集的过程包括：

获取猪只进入深度相机的图像采集区域后所述深度相机多次拍摄得到的猪只的背部深度图像组；

获取对猪只进行拍摄过程中采集的猪只体重的体重均值；

将所述猪只的背部深度图像组和所述体重均值对应存储为样本数据组，以组成样本数据集。

6.根据权利要求1所述的估测方法，其特征在于，所述将所述背部深度图像数据输入预置的猪只体重估测模型，得到所述猪只体重估测模型输出的猪只体重，包括：

采用所述猪只体重估测模型提取所述背部深度图像数据的反映猪只高度和背部轮廓的特征数据，并根据所述特征数据与猪只体重的对应关系得到所述待估重猪只的猪只体重。

7.根据权利要求1所述的估测方法，其特征在于，所述获取待估重猪只的背部深度图像数据，包括：

获取使用深度相机对所述待估重猪只的背部进行深度图像采集得到的所述待估重猪只的背部深度图像数据。

8.一种猪只体重的估测装置，其特征在于，所述估测装置包括：

获取单元，用于获取待估重猪只的背部深度图像数据；

估重单元，用于将所述背部深度图像数据输入预置的猪只体重估测模型，得到所述猪只体重估测模型输出的猪只体重；

其中，所述猪只体重估测模型采用猪只的背部深度图像样本和所述猪只的背部深度图像样本对应的猪只体重训练得到。

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可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程序时实现如权利要求1至7任一项所述猪只体重的估测方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述猪只体重的估测方法的步骤。