[发明专利]一种基于深度学习与点云凸包化特征的奶牛体况评分方法

权利要求书

1.一种基于深度学习与点云凸包化特征的奶牛体况评分方法，其特征在于，包括以下步骤：

1)获取目标奶牛背部深度图像；

2)对所述目标奶牛背部深度图像进行旋转，使图像中的奶牛脊柱方向与图像横轴平行；

3)去掉图像中奶牛的前躯部分，获取奶牛后躯深度图像，将奶牛后躯图像转换为点云，得到后躯点云；

4)对后躯点云进行体素栅格化，进行凸包化处理，从体素化后的点云中任选三个点组成有向三角形，判断其余所有点是否均在该三角形同侧，若是则记录这三个点坐标，并将其各点标注为凸边点，该三角形标注为有效三角形；重复上述步骤直至查找完所有凸边点，并均标注为有效三角形；然后，拼接所有标注出来的有效三角形，最终形成包含所有体素云的最小凸多面体；对于凸多面体内部的任意一点，依次计算该点与组成凸多面体的各有效三角形的距离，并取其中的最小值作为该点的特征距离；

5)将体素云的各体素重心的xyz坐标值依次替换为体素编号i，j和特征距离，得到奶牛后躯的特征图像，采用最邻近插值法，对奶牛后躯的特征图像进行尺寸变换，使所有特征图像的尺寸统一；

6)获取若干张经过步骤1)至步骤5)处理的特征图像，利用卷积神经网络模型进行预训练，然后利用训练好的卷积神经网络模型进行体况评分。

2.根据权利要求1所述的奶牛体况评分方法，其特征在于，所述的卷积神经网络模型为直接评分模型或二级评分模型，对于直接评分模型，直接采用卷积神经网络分类器对特征图像进行分类，以得到奶牛体况评分；

对于二级评分模型，设置分类器阈值，采用卷积神经网络分类器对特征图像进行二分类，分为胖奶牛图像和瘦奶牛图像；再利用卷积神经网络分类器分别对胖奶牛图像和瘦奶牛图像进行精细分类，以得到精细的奶牛体况评分。

3.根据权利要求1所述的奶牛体况评分方法，其特征在于，步骤3)中，去掉图像中奶牛的前躯部分，获取奶牛后躯深度图像包括：

(1)滤除图像中的奶牛尾巴及后腹部的离散像素点，得到滤波后的奶牛深度图像；

(2)用深度阈值DT对滤波后的奶牛深度图像进行高度方向的修剪，以分割出深度图像中与体况评分相关的考量区域；

(3)对于修剪后的深度图像，进行奶牛的勾骨定位，以确定奶牛后躯与前躯的分界线，并依据分界线获取后躯图像。