[发明专利]家禽识别方法、装置、可读存储介质及电子设备

说明书

本申请公开了一种家禽识别方法、装置、可读存储介质及电子设备，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。本实施例中，通过采用Mask‑RCNN算法的家禽识别模型来识别家禽，因此能够准确地识别出不同家禽个体。

技术领域

本申请涉及目标检测技术领域，具体而言，涉及一种家禽识别方法、装置、可读存储介质及电子设备。

背景技术

饲养家禽，例如鸡只时，为了区分出每一只鸡，往往需要对鸡只进行身份识别以识别出特定的鸡只。传统的鸡只身份识别通常通过给鸡只佩戴鸡脚环或者电子标签进行实现，通过内置电子芯片完成身份识别和定位，这种识别方法存在操作难、实时性差、重复利用率低等缺点。传统鸡只监控方式中摄像头捕捉到的画面往往是鸡群影像，由于鸡只长相类似，从鸡群视频中难以分辨出特定鸡只，也就是说，由于鸡只相似度非常高，因此，在识别鸡只时难度非常大。

发明内容

为了至少克服现有技术中的上述不足，本申请的目的之一在于提供一种家禽识别方法，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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；