[发明专利]一种基于神经网络模型的猪跛脚检测方法和检测系统

权利要求书

1.一种基于神经网络模型的猪跛脚检测方法，其特征在于，包括如下步骤：

(1)获取训练集；

所述训练集中包括猪的图像以及与各图像相对应的热力图，热力图上设置有与图像上特征点相对应的光斑；所述特征点包括图像上猪四只腿的蹄子、膝盖和腿根；

(2)建立定位神经网络模型，以猪的图像为输入，以对应的热力图为输出，对该定位神经网络模型进行训练，得到训练后的定位神经网络模型；

(3)对猪进行图像采集，得到其实时图像，将其实时图像输入到训练后的神经网络中，得到与实时图像对应的实时热力图；

(4)将实时热力图设置在二维坐标系内，得到其中各光斑的二维坐标，将其分别作为对应特征点的二维坐标，并根据各特征点的二维坐标得到其三维空间坐标；

(5)根据猪的三维空间坐标得到其膝盖角度，并根据其膝盖角度判断其是否跛脚。

2.根据权利要求1所述的基于神经网络模型的猪跛脚检测方法，其特征在于，所述训练集的获取方法为：首先获取猪的图像，对其中的特征点进行标注，然后通过高斯核卷积对各图像进行处理得到与各图像相对应的热力图像。

3.根据权利要求1所述的基于神经网络模型的猪跛脚检测方法，其特征在于，根据各特征点的二维坐标得到其三维空间坐标的方法为：

建立三维空间坐标系，在获取训练集时还在各特征点上设置检测传感器，通过检测传感器检测各特征点所在的位置，然后将其转换到所建立的三维空间坐标系中，得到各特征点在三维空间坐标系中的坐标；

建立转换神经网络模型，以图像中各特征点在二维坐标系中的坐标为输入，以图像中各特征点在三维空间坐标系中的坐标为输出，对所建立的转换神经网络模型进行训练，得到训练后的转换神经网络模型；

得到实时动作图像中各特征点在二维坐标系中的坐标之后，将其输入到训练后的转换神经网络模型，得到实时动作图像中各特征点在三维空间坐标系中的坐标。

4.根据权利要求1所述的基于神经网络模型的猪跛脚检测方法，其特征在于，判断猪是否有跛脚的方法为：

建立判断神经网络模型；

获取猪在跛脚时一个步态周期内膝盖角度值序列，将其输入到判断神经网络中，对其进行训练，得到训练后的判断神经网络模型；

将得到的猪在一个步态周期内的膝盖实时膝盖角度值序列输入到训练后的判断神经网络模型中，得到猪是否出现坡脚。

5.根据权利要求4所述的基于神经网络模型的猪跛脚检测方法，其特征在于，所述判断神经网络模型训练时，其损失函数为交叉熵函数。

6.一种基于神经网络模型的猪跛脚检测系统，包括处理器和存储器，存储器上存储有用于在处理器上执行的计算机程序；其特征在于，所述处理器执行所述计算机程序时，实现基于神经网络的猪跛脚检测方法，该方法包括如下步骤：

(1)获取训练集；

所述训练集中包括猪的图像以及与各图像相对应的热力图，热力图上设置有与图像上特征点相对应的光斑；所述特征点包括图像上猪四只腿的蹄子、膝盖和腿根；

(2)建立定位神经网络模型，以猪的图像为输入，以对应的热力图为输出，对该定位神经网络模型进行训练，得到训练后的定位神经网络模型；

(3)对猪进行图像采集，得到其实时图像，将其实时图像输入到训练后的神经网络中，得到与实时图像对应的实时热力图；

(4)将实时热力图设置在二维坐标系内，得到其中各光斑的二维坐标，将其分别作为对应特征点的二维坐标，并根据各特征点的二维坐标得到其三维空间坐标；

(5)根据猪的三维空间坐标得到其膝盖角度，并根据其膝盖角度判断其是否跛脚。

7.根据权利要求6所述的基于神经网络模型的猪跛脚检测系统，其特征在于，所述训练集的获取方法为：首先获取猪的图像，对其中的特征点进行标注，然后通过高斯核卷积对各图像进行处理得到与各图像相对应的热力图像。