[发明专利]家禽识别方法、装置、可读存储介质及电子设备

权利要求书

1.一种家禽识别方法，其特征在于，所述方法包括：

获取第一数据和第二数据，其中，所述第一数据包括标记了各个待检测家禽的待检测图像，所述第二数据包括标记了各个待检测家禽以及各个待检测家禽的方位识别信息的待检测图像；

将所述第一数据和所述第二数据输入预先训练好的采用Mask-RCNN算法的家禽识别模型，获得各个待检测家禽的身份识别信息。

2.根据权利要求1所述的方法，其特征在于，所述方法包括：

将多个标注好家禽的第一原始图像作为第一训练样本；

针对在家禽的多个不同方位采集的每个第二原始图像，将该第二原始图像以及该第二原始图像上标注的家禽标识、每个家禽的身份识别信息、所标注家禽的方位识别信息作为第二训练样本，所述家禽标识用于表征目标是否为家禽；

将多个所述第一训练样本和多个所述第二训练样本分别输入采用Mask-RCNN算法的预分类模型进行模型训练；

将输出的各个家禽的身份识别信息与标注好的各个家禽的身份识别信息进行对比，计算得到本次训练的损失函数值；

若所述损失函数值小于预设损失值，则判定所述家禽识别模型完成训练；

若所述损失函数值不小于所述预设损失值，则将多个第一训练样本和多个所述第二训练样本分别输入调整后的家禽识别模型中进行训练，重复上述步骤直至所有损失函数值小于预设损失值。

3.根据权利要求2所述的方法，其特征在于，所述将多个所述第一训练样本和多个所述第二训练样本分别输入基于Mask-RCNN算法的预分类模型进行模型训练的步骤包括：

将多个所述第一训练样本输入基于Mask-RCNN算法的预训练模型进行训练，获得中间训练模型；

将所述第二训练样本输入所述中间训练模型进行模型训练，获得家禽识别模型。

4.根据权利要求2或3所述的方法，其特征在于，所述家禽识别模型包括卷积神经网络、RPN网络、ROI层、分类器和掩膜网络，所述卷积神经网络、RPN网络、ROI层依次连接，所述ROI层与分类器和掩膜网络分别连接。

5.根据权利要求4所述的方法，其特征在于，所述将输出的各个家禽的身份识别信息与标注好的各个家禽的身份识别信息进行对比，计算得到本次训练的损失函数值的步骤包括：

获取所述分类器输出的家禽标识的第一损失值；

获取所述分类器输出的身份识别信息的第二损失值；

获取所述分类器输出的方位识别信息的第三损失值；

获取家禽的掩膜网络输出家禽的掩膜的第四损失值；

计算第一损失值、第二损失值、第三损失值和第四损失值之和，获得方位损失值；

获取RPN网络输出的参数的网络损失值；

计算方位损失值与网络损失值之和，获得损失函数值。

6.根据权利要求2所述的方法，其特征在于，所述方法还包括：

判断所述损失函数值的大小是否满足预设范围；

如果所述损失函数值不满足预设范围，则重新调整所述家禽识别模型的网络参数。

7.一种家禽识别装置，其特征在于，所述装置包括：

获取模块，用于获取第一数据和第二数据，其中，所述第一数据包括标记了各个待检测家禽的待检测图像，所述第二数据包括标记了各个待检测家禽以及各个待检测家禽的方位识别信息的待检测图像；

识别模块，用于将所述第一数据和所述第二数据输入预先训练好的采用Mask-RCNN算法的家禽识别模型，获得各个待检测家禽的身份识别信息。