[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

说明书

本发明涉及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，属于图像处理技术领域，方法包括获取目标奶牛背部深度图像，进行旋转，使图像中奶牛脊柱方向与图像横轴平行；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；进行体素栅格化，进行凸包化处理，确定包含所有体素云的最小凸多面体，计算特征距离；将体素云的各体素重心的坐标值依次替换为体素编号和特征距离，得到奶牛后躯的特征图像；获取若干张经过各步骤处理的特征图像，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。与现有方法相比，本发明的方法原理简单，可靠性高，具体较高的应用价值。

技术领域

本发明属于图像处理技术领域，具体涉及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。

背景技术

奶牛产犊后将面临巨大的营养需求，但受激素水平、消化机能减弱等因素的影响，日粮摄入量仍保持在较低水平。能量消耗与摄入量不均衡，奶牛进入能量负平衡状态。此时需要消耗体内储存的脂肪，以保证生理机能的正常运转。长时间处于深度能量负平衡状态，将消耗大量体内储存的能量。若体脂储存量不足以支撑其渡过能量负平衡期，则奶牛机体将产生复杂的应激反应，出现能量代谢失调、矿物质紊乱、免疫机能下降等问题，并诱发突发性脂肪肝、酮病、乳房炎等疾病，严重影响奶牛产量以及产后恢复，最终导致过早淘汰甚至死亡。

而在奶牛饲养中，因能量代谢问题被淘汰的奶牛达到淘汰总数的30％，其平均利用年限由5胎下降为3胎，75％的奶牛疾病发生在产后1个月内，超过50％奶牛要经历围产期代谢疾病，约50％的奶牛真胃左方变位(LDA)是由长期能量负平衡造成的。仅此一项每年对我国奶业造成的直接经济损失就达6亿美元。因此，在围产期对奶牛能量负平衡的控制已成为决定奶牛产奶量、繁殖性能、利用年限等生产性能指标及疾病管控的最重要的影响因素，而奶牛能量负平衡的管理离不开对奶牛体况等级的准确监测。

目前，传统的人工体况评分方法存在耗时长、成本高、主观性强等问题；自动评分系统的研究成果与实际应用相脱节，精度和可靠性难以满足实际养殖管理的需求。近年来，随着我国养殖规模的进一步提升，对奶牛体况进行快速、精准感知的需求愈加迫切。

为解决人工评分结果主观性与成本效率问题，基于机器视觉的体况评分方法已成为研究热点，并在降低评分主观性与提高评估效率方面表现出极大潜力。例如，公布号为CN110400310A的中国发明专利申请，提供了一种奶牛体况自动评分方法，该方法通过对奶牛深度图像进行一系列复杂处理计算，包括进行勾股定位、计算勾骨曲率，进行针骨定位、计算针骨曲率，进行骶骨定位、计算骶骨可见度，然后将这些参数代入预测模型，实现了奶牛体况评分，但是，该自动评分方法的不足之处在于，在算法复杂度大，由于图像处理问题，会存在定位的特征(如勾骨等)不准确的情况，影响预测模型的预测精度，导致对奶牛的评分不可靠，存在较大误差。

发明内容

本发明的目的是提供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，用于解决现有方法对奶牛体况评分不可靠的问题。

基于上述目的，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的技术方案如下：

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，确定包含所有体素云的最小凸多面体，计算特征距离，所述特征距离为凸多面体内部及边界各点到其表面的最近距离；

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；