[发明专利]一种猪只估重方法

说明书

本发明属于深度学习技术领域，公开了一种猪只估重方法，包括如下步骤：基于深度学习建立猪只检测模型；实时获取待检测猪只鱼眼图像；将待检测猪只鱼眼图像输入猪只检测模型进行检测，得到所有的猪只目标及其像素面积；根据对应的像素面积获取所有的猪只目标的猪只重量。本发明解决了现有技术存在的人力成本投入高、工作量大、效率低下以及准确性低的问题。

技术领域

本发明属于深度学习技术领域，具体涉及一种猪只估重方法。

背景技术

随着经济发展，人们对猪肉的需求越来越高，猪肉的产量也越来越高，目前采用最多的养殖模式是大栏养猪，实现了养猪行业由散养模式向规模化、集约化模式的转变，这种养殖模式的特点是猪只密度大，数量多，其优点为节约占地，增加单位饲养头数，适合集约化养殖，便于统计，母猪生活在大栏里一目了然，统计挂牌，不容易出错。

传统技术中采用人工的方式对猪只进行称重，这种方式的人力成本投入高，工作人员的工作量大，并且效率低下；随着现代化设备在养殖业的普及，深度学习技术在猪只称重的应用越来越广泛，但是现有的猪只称重技术只能对平面图像进行计算，而对于鱼眼图像的猪只称重存在较大的误差，准确度低。

发明内容

为了解决现有技术存在的人力成本投入高、工作量大、效率低下以及准确度低的问题，本发明目的在于提供一种成本投入低、工作量少、效率高以及准确度高的猪只估重方法。

本发明所采用的技术方案为：

一种猪只估重方法，包括如下步骤：

基于深度学习建立猪只检测模型；

实时获取待检测猪只鱼眼图像；

将待检测猪只鱼眼图像输入猪只检测模型进行检测，得到所有的猪只目标及其像素面积；

根据对应的像素面积获取所有的猪只目标的猪只重量。

进一步地，基于深度学习建立猪只检测模型，包括如下步骤：

获取猪只鱼眼图像数据集，并对猪只鱼眼图像数据集中的所有图像进行预处理，得到预处理后的猪只鱼眼图像数据集；

基于深度学习建立Mask-RCNN模型；

使用预处理后的猪只鱼眼图像数据集对Mask-RCNN模型进行训练，得到猪只检测模型。

进一步地，预处理包括几何变换处理、光学变换处理、增加噪声处理以及归一化处理。

进一步地，Mask-RCNN模型的网络结构包括ResNeXt模块、RPN模块、RoI Align模块、Fast R-CNN模块以及FCN模块。

进一步地，Mask-RCNN模型的工作方法，包括如下步骤：

将猪只鱼眼图像输入ResNeXt模块，得到特征图；

根据特征图获取若干ROI候选框；

将若干ROI候选框输入RPN模块进行筛选，使用二值分类方法与边框回归方法得到筛选后的ROI候选框；

将筛选后的ROI候选框输入ROI Align模块进行特征图对应处理，即将输入的猪只鱼眼图像与特征图的像素进行对应，将特征图于固定特征进行对应；

将筛选后的ROI候选框输入FCN模块进行依次的分类、边框回归以及Mask分割，得到每个筛选后的ROI候选框的Mask。

进一步地，使用预处理后的猪只鱼眼图像数据集对Mask-RCNN模型进行训练，得到猪只检测模型，包括如下步骤：

将预处理后的猪只鱼眼图像数据集划分为猪只鱼眼图像训练集和猪只鱼眼图像测试集；