[发明专利]一种基于深度学习和特征部位检测的牛体尺算法

说明书

本发明提供了一种基于深度学习和特征部位检测的牛体尺算法，包括步骤一，设置测量系统，包括地面标注面、侧身摄像头、尾部摄像头和图像服务器；所述图像服务器包括特征部位检测模型和体尺测量算法，步骤二，所述侧身摄像头和尾部摄像头分别采集牛的侧身图像和牛的尾部图像，传输至所述图像服务器，所述特征部位检测模型处理输入图像，输出特征部位坐标信息，步骤三计算地面标定参数An、垂直地面的标定面的标定参数Kn，步骤四根据坐标信息及比例获得牛的体尺数据。本申请通过采用侧身摄像头、尾部摄像头采集牛的图像，通过图像服务器处理图像数据计算牛的体尺数据，降低了测量的劳动强度和难度，避免了安全隐患。

技术领域

本发明涉及牛体尺算法技术领域，尤其涉及一种基于深度学习和特征部位检测的牛体尺算法。

背景技术

随着科学技术的发展与大数据时代的来临，畜牧业的信息化与智能化是促进我国畜牧业快速、健康发展的重中之重。借助智能化、自动化的数据采集与计算机辅助分析，可以提升畜牧业的生产规模、降低人力成本、增强生产效率。

对于畜牧产业中的牛类的体尺指标主要包含身高、体长、体斜长、胸宽、后躯宽、胸围长等参数。随着生物研究的发展和牧民养殖经验的不断积累，人们已经认识到对牛体的测量有着广泛的应用和价值，包括监视并预测牛的生长速率、发育状态、身体特征和饮食状态，以利于家畜的优选育种及饲养管理等。因此，对于牛体尺的测量具有很实际的经济价值。

然而现阶段在实际应用中，牧民对牛的体尺指标的测量仍然非常低效、繁琐，牛活体体尺指标参数主要采用人工手工测量的方法，工作人员借助软尺、卡尺等测量工具对对牛活体的身高、体长、体斜长、胸宽、后躯宽、胸围长等多个指标进行测量。这种测量方式需要耗费大量的人力物力，要求在场地平坦，牛以标准站立姿势时进行测量，因此测量难度大，测量结果存在很大的主观性，测量精度低，具有一定的安全隐患，而且还会造成对牛的应激反应，对牛的健康存在不利影响。

发明内容

为克服现有技术中存在的不能安全精确测量牛的体尺的问题，本发明提供了一种基于深度学习和特征部位检测的牛体尺算法。

一种基于深度学习和特征部位检测的牛体尺算法，包括如下步骤：

步骤一，设置一测量系统，其包括地面标注面(1)、侧身摄像头(2)、尾部摄像头(3)和图像服务器，侧身摄像头(2)采集牛的侧身图像传输至所述图像服务器，所述尾部摄像头(3)采集牛的尾部图像传输至所述图像服务器，所述图像服务器包括特征部位检测模型和体尺测量算法；

步骤二，安装地面标注面(1)，所述地面标注面(1)为铺设在地面上的长方形地板，包括六条标注线，五个地面标注面区域，每个地面标注面区域都是长方形，长度不固定，宽度是20cm，在每块的地面标注面区域的宽取中心取竖直向上的竖直面作为竖直标定面，和侧身摄像头(2)、尾部摄像头，所述侧身摄像头(2)和所述尾部摄像头(3)通过伸缩勾吊挂屋顶上，所述侧身摄像头(2)和尾部摄像头(3)与图像服务器通过以太网连接；

步骤三，使牛站在地面标注面(1)上，打开侧身摄像头(2)和尾部摄像头(3)，侧身摄像头(2)和尾部摄像头(3)分别传输侧身图像和尾部图像给所述特征部位检测模型，所述特征部位检测模型处理输入图像，输出特征部位位置，计算地面标定参数An和垂直地面的标定面的标定参数Kn；

步骤四，侧身摄像头(2)和尾部摄像头(3)分别传输侧身图像和尾部图像给所述特征部位检测模型，所述特征部位检测模型处理输入图像，输出特征部位坐标信息，根据步骤三和步骤四的公式获得地面标定参数An、垂直地面的标定面的标定参数Kn和站姿偏角θ，根据比例获得牛的体尺数据。

在本发明一优选实施例中，步骤三中，先做地面标注，在测量区域，垂直于镜头平面每间隔20cm做一条标注线，计算出每一个区域内的标定参数An，其中每个区域的实际距离是20cm，从获取到的图中可以得到每个区域的像素距离，也就是图像距离。