[发明专利]一种家禽毛孔特征识别方法、装置及设备

说明书

本发明属于图像目标检测技术领域，提供了一种家禽毛孔特征识别方法、装置及设备。其中，本发明提供的方法包括：获取家禽的毛孔图像；基于毛孔检测模型确定毛孔图像中的目标毛孔；将目标毛孔的位置坐标转换为霍夫曲线空间中曲线进行投票，过滤不满足直线条件的目标毛孔；在滑动窗口内目标毛孔数量满足特征获取条件时，基于滑动窗口内目标毛孔确定毛孔特征。本发明通过依据家禽毛孔特征的霍夫曲线空间对直线进行投票，解决现有自动化监测方法在家禽毛孔识别时，抗噪性差及漏检错检率高的问题。

技术领域

本发明涉及图像目标检测技术领域，具体涉及一种家禽毛孔特征识别方法、装置及设备。

背景技术

家禽的毛孔特征能够反应出家禽的品质，生理状态，经济价值，是家禽品种培育过程中重要的参考指标。传统的家禽毛孔特征统计方法采用人工观测统计，需要巨大的人工成本与时间成本。随着计算机图像处理技术的发展，衍生出一系列应用于医疗领域的皮肤、毛孔的自动化检测方法。其中，主要包含基于阈值分割、基于模板匹配和基于交点检测、特征描述这三种方法，（1）基于阈值分割的方法：该方法一般基于像素级阈值分割、滤波框阈值分割、大津阈值分割等算法，存在召回率低，抗噪性差，对于图像质量要求高等问题。（2）基于模板匹配的方法：该方法一般使用事先准备好的模板素材与图像进行匹配比对，比对方法包括色彩匹配、方差匹配等，存在召回率低，数据依赖强，耗时较长等问题。（3）基于角点检测、特征描述的方法：该方法一般基于Harris角点检测及其衍生检测方法，SIFT算子等特征描述器检测方法，构建检测目标的图像特征，在检测时，通过对图像特征的分类模型来检测目标。但存在无法适应尺寸变化、错检率高等问题。

目前已有的自动化检测方法在家禽毛孔识别上的应用较少，且都需要人工二次校对，并不能缓解传统生产方式中存在的问题。而针对于家禽的毛孔特征，仍存在的下列问题：一、已有自动化检测方法中，由于相关算法都是以固定尺寸的框检测灰度、梯度等特征，导致均无法解决图像的尺寸变化问题。二、由于毛孔的颜色与皮肤近似，角点等特征不明显，已有方法存在错检率高的问题。三、毛孔比较微小，且在皮肤中密集存在，数量较多，而已有方法中，若是标注框选择太小则会缺失部分毛孔的图像特征，选择太大则会包含多个毛孔导致图像特征错误，其都具有漏检率高的问题。四、家禽皮肤存在较多羽毛，杂质，已有方法无法解决遮挡等噪声影响，具有抗噪性差的问题。

因此，亟需一种适用于家禽毛孔特征识别的方法，以解决现有自动化监测方法在家禽毛孔特征识别时，抗噪性差及漏检错检率高的问题。

发明内容

针对现有技术中的缺陷，本发明提供家禽毛孔特征识别方法、装置及设备，以解决现有自动化监测方法在家禽毛孔识别时，抗噪性差及漏检错检率高的问题。

第一方面，本发明提供的家禽毛孔特征识别方法，包括：

可选地，所述毛孔检测模型的训练方法包括：

获取预标注图像；所述预标注图像为通过实际标注框对实际毛孔进行预标注的毛孔图像；

将所述预标注图像输入所述毛孔检测模型中生成预测标注框；

根据实际标注框确定预测标注框总损失，并反向传播更新参数，完成所述毛孔检测模型的训练。

可选地，所述预测标注框的尺寸的确定方法包括：

对所述实际标注框进行聚类计算，确定若干个聚类中心；

根据所述实际标注框的坐标以及所述聚类中心的坐标，计算聚类损失；

确定所述预测标注框的尺寸。

可选地，所述预测标注框总损失包括定位损失，所述定位损失根据所述实际标注框和所述预测标注框确定，

当所述实际标注框和所述预测标注框的交集不为0时，定位损失；其中，表示实际标注框与预测标注框的交集区域，表示实际标注框与预测标注框的并集区域；