[发明专利]一种生猪爬跨行为检测方法及系统

说明书

本发明提供一种生猪爬跨行为检测方法及系统，所述方法包括：将拍摄的猪栏内的包含多个生猪的图像输入到预先训练好的Mask R‑CNN网络中，输出图像中每只生猪的ROI参数和mask坐标；根据每只生猪的ROI参数和mask坐标，提取每只生猪的多维特征向量；将每只生猪的多维特征向量输入预先训练好的分类器中，输出图像中多只生猪的爬跨行为结果。本发明利用Mask R‑CNN网络对拍摄的猪栏内的图像进行生猪掩模的提取，对生猪掩模的提取不受光照变化的影响，对于图像中重叠生猪的识别性能较好，能够精确提取图像中每只生猪的掩模,进而最终通过分类器能够精确分类识别出图像中多只生猪的爬跨行为结果。

技术领域

本发明实施例涉及机器视觉与深度学习领域，尤其涉及一种生猪爬跨行为检测方法及系统。

背景技术

在生猪养殖业领域，猪栏中生猪之间的密切相互作用会威胁生猪的健康并降低动物福利。大多数猪的瘀伤，跛足和腿部骨折都是由猪之间相互作用的行为引起的，并且主要是爬跨行为。爬跨行为是指猪将其两只前蹄搭在同伴的前身或其背部，同时下面的猪跪着或站着不动的行为，爬跨行为有时可能会伴随着下面猪的快速躲闪和尖叫，雄性猪和雌性猪在其整个寿命期间都会发生爬跨行为，特别是在发情期。考虑到爬跨行为会引起猪的表皮损伤和骨折等问题，及时检测爬跨行为并尽快分离猪体是至关重要的，及时检测和干预爬跨行为将能够减少猪的损伤，增加动物福利，进一步确保生猪的健康。

传统的动物行为检测方法主要依靠人眼观察，不但消耗大量劳动力而且很容易产生主观错误，在大型商业养殖模式上也是不切实际的。

随着传感器技术的发展，目前常见的生猪行为检测方法主要是通过传感器监测生猪行为上的信息，即采用传感器等装置采集生猪的个体信息，根据传感器采集的生猪的个体信息来判断生猪之间是否发生爬跨行为。但该种方式，多数传感器需附着在生猪的体表，猪群间互相摩擦碰撞和生猪移动易使其损落，且接触式传感器易造成猪的应激反应并影响测量的准确性，安装于现场的传感器也需工作人员日常介入读数工作，操作不便，也易对生猪造成干扰和惊吓。

另外一种比较常见的方式为，根据拍摄的猪栏内视频图像，通过区域连通性分析和混合高斯背景模型，能够提取完整的目标生猪轮廓，但该方法对光线变化敏感，容易产生虚影。

发明内容

本发明实施例提供一种生猪爬跨行为检测方法及系统，用以解决现有技术中受光照影响无法提取图像中生猪掩模以及对图像中重叠生猪识别性能差的缺陷。

根据本发明的一个方面，提供了一种生猪爬跨行为检测方法，所述方法包括：

S1，将拍摄的猪栏内的包含多个生猪的图像输入到预先训练后的Mask R-CNN网络中，输出所述图像中每只生猪的ROI参数和mask坐标；

S2，根据每只生猪的所述ROI参数和mask坐标，提取每只生猪的多维特征向量；

S3，将每只生猪的所述多维特征向量输入预先训练后的分类器中，输出所述图像中多只生猪的爬跨行为结果；

其中，所述ROI参数表征所述图像中每只生猪的目标边界框，每只生猪的所述mask坐标表征所述图像中每只生猪的掩模，所述爬跨行为结果为发生爬跨行为或未发生爬跨行为。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步的，通过如下方式对所述Mask R-CNN网络进行训练：

将第一训练集中的每一张图像输入构建的Mask R-CNN网络，输出每一张图像中的每只生猪的mask坐标，其中，所述第一训练集中的每一张图像中的每只生猪的掩模已知；

计算通过Mask R-CNN网络输出的每只生猪的掩模和已知的每只生猪的掩模之间的掩模损失，其中，所述mask坐标和所述掩模可相互转换；

通过调整Mask R-CNN网络的参数，使得所述掩模损失满足收敛条件。