[发明专利]基于多尺度残差视觉信息融合的牧场牛只数量估计方法

说明书

本发明公开了基于多尺度残差视觉信息融合的牧场牛只数量估计方法。属于牧场牛只数量估计技术领域。本发明包括。本发明通过创建了一个用于牛只密度估计的数据集，并提出了一种基于多尺度残差视觉信息融合的牧场牛只数量估计方法，该方法利用多个并列且空洞率不同的空洞卷积提取牛只目标的多尺度特征，并将残差结构与小空洞率卷积相结合，设计出更适合牛只活体计数的深度神经网络，在牛只密度数据集中，该方法取得了最低的平均绝对误差和均方根误差。本发明在密集人群数据集中，该方法的MAE和RMSE也属于最优或次优结果，且实验结果表明，本方法有较高的准确性和鲁棒性。

技术领域

本发明涉及牧场牛只数量估计技术领域，具体为基于多尺度残差视觉信息融合的牧场牛只数量估计方法。

背景技术

在牧场管理中，牛只的数量估计是养殖业管理和资产估算中最重要的任务之一。准确的牛只计数能帮助牧场管理人员对活体资产进行评估，进而提高牧场养殖效率，同时及时发现偷盗行为，帮助企业或个体减少不必要的损失。在实际的牛场中由于牛只之间的相互遮挡，光照变化等问题使得在牛场中对牛只进行准确计数极具挑战性。传统牧场管理通常采用人工计数的方法，然而这种方法非常耗时、耗力、且容易出错。目前，牧场牛只管理主要采用以电子耳标为核心信息载体的硬件设备进行计数。但硬件设备在畜牧养殖业中存在维护成本高、操作复杂等现实问题，导致目前并未得到大规模应用，同时，穿戴耳标还会给牲畜带来一些身体伤害，如伤口感染，受到惊吓等。

基于视觉的目标计数在近几年得到了广泛的关注。很多场景都利用视觉信息进行目标计数，例如密集人群计数,农作物目标计数,细胞计数等。但对于畜牧业，基于视觉的计数方法研究还尚少。

目前，基于视觉的目标计数方法主要分为三种，基于检测的方法、基于回归的方法和基于密度估计的方法。有些学者使用目标检测的方法对畜牧进行计数，Xu Beibei等人(Xu Beibei,Wang Wensheng,Falzon G,et al.Automated cattle counting using MaskR-CNN in quadcopter vision system[J].Computers and Electronics inAgriculture,2020,2020(171):Article ID 105300)使用四轴飞行器采集的图像通过Mask-RCNN对牲畜进行目标检测与分割，实现了在草场、养殖场场景下的牛活体计数。李琦等人(李琦,尚绛岚,李宝山.基于头部图像特征的草原羊自动计数方法[J].中国测试,2020,46(11):20-24.(Li qi,Shang Jianglan,Li Baoshan.Method for grassland sheepautomatic counting based on head image features[J].China MeasurementTest,2020,46(11):20-24))采用YOlOv3目标检测算法与Deep SORT目标跟踪算法相结合，并基于双线计数法实现了草原羊的自动计数。上述这些方法都只适用于目标相对稀疏的场景。但在牧场实际场景下，由于牛只离摄像头的距离不同，导致牛只的尺度变化大，且多数时候牛只都聚集在一起，并有严重遮挡，这种情况目标检测方法的计数误差较大。Tian Mengxiao(Tian Mengxiao,Guo Hao,Chen Hong,et al.Automated pig counting using deeplearning[J].Computers and Electronics in Agriculture,2019,2019(163):ArticleID 104840)等人通过预测图像中猪只的密度，估计猪圈中猪只数量，该方法在猪只密度较小时预测准确，但是对于数量超过10的情况，预测误差较大。