[发明专利]一种牲畜的重量确定方法、装置、终端及计算机存储介质

权利要求书

1.一种牲畜的重量确定方法，其特征在于，所述牲畜所处养殖环境中配置有摄像设备，所述方法包括：

获取所述摄像设备采集的视频数据；

从所述视频数据中获取目标图像，所述目标图像中包括多个所述牲畜；

利用包括两级预测网络的特征识别模型对所述目标图像进行处理，得到多个所述牲畜的特征信息，所述特征信息包括重量；

其中，所述特征识别模型是根据作为样本的牲畜的样本图像以及参考数据训练得到的。

2.根据权利要求1所述的方法，其特征在于，所述两级预测网络为第一级预测网络和第二级预测网络，所述利用包括两级预测网络的特征识别模型对所述目标图像进行处理，得到多个所述牲畜的特征信息，包括：

利用所述第一级预测网络标记所述目标图像中多个所述牲畜的轮廓以及对应的轮廓区域，并获取各轮廓区域的特征数据；

将所述各轮廓区域的特征数据输出至所述第二级预测网络中进行处理，得到所述目标图像中多个所述牲畜的重量；

其中，所述特征数据包括轮廓区域的坐标信息、轮廓区域对应的像素点数量、以及轮廓区域与所述摄像设备之间的距离信息和角度信息中的一种或多种。

3.根据权利要求2所述的方法，其特征在于，所述特征信息还包括数目，所述利用所述第一级预测网络标记所述目标图像中多个所述牲畜的轮廓以及对应的轮廓区域，并获取各轮廓区域的特征数据之后，还包括：

根据获取的多个所述牲畜的轮廓计算得到牲畜的数目。

4.根据权利要求2所述的方法，其特征在于，所述方法还包括：

获取记录的所述养殖环境中的牲畜当前所处的生长周期，以及获取所述当前所处的生长周期对应的参考重量；

检测所述目标图像中是否存在重量与所述参考重量之间的差值的绝对值大于或等于预设数值的牲畜；

若存在，则输出第一提示信息，所述第一提示信息用于提示用户有牲畜生长状况异常。

5.根据权利要求3所述的方法，其特征在于，所述方法还包括：

获取预先记录的所述养殖环境中的牲畜的总数目；

检测所述特征识别模型识别出的所述目标图像中的牲畜的数目是否与预先记录的牲畜的总数目一致；

若否，则输出第二提示信息，所述第二提示信息用于提示用户牲畜的数目异常。

6.根据权利要求1-5中任一项所述的方法，其特征在于，所述利用包括两级预测网络的特征识别模型对所述目标图像进行处理，得到多个所述牲畜的特征信息之前，所述方法还包括：

获取摄像设备采集的作为样本的牲畜所处养殖环境的历史视频数据，从所述历史视频数据中获取作为样本的牲畜的多张样本图像，所述多张样本图像是所述摄像设备在不同光线环境下采集到的；

将所述多张样本图像中的每张样本图像按照多个旋转角度进行旋转处理，得到所述每张样本图像的多张训练图像，并得到所述多张样本图像的训练图像集合；

获取所述训练图像集合中各张训练图像对应的牲畜的参考数据；

利用所述训练图像集合中的训练图像以及所述参考数据对初始特征识别模型进行训练，得到训练后的特征识别模型。

7.根据权利要求6所述的方法，其特征在于，所述利用所述训练图像集合中的训练图像以及所述参考数据对初始特征识别模型进行训练，得到训练后的特征识别模型之前，所述方法还包括：

获取预设模板图像的最大边长和最小边长；

获取所述训练图像集合中每张训练图像的尺寸信息；

根据所述尺寸信息、所述最大边长和所述最小边长对所述每张训练图像进行缩放处理；

根据所述最大边长对缩放处理后的每张训练图像进行填充，得到填充后的训练图像集合；

所述利用所述训练图像集合中的训练图像以及所述参考数据对初始特征识别模型进行训练，得到训练后的特征识别模型，包括：

利用所述填充后的训练图像集合中的训练图像以及所述参考数据对初始特征识别模型进行训练，得到训练后的特征识别模型。