[发明专利]一种基于深度学习和深度相机的生猪体重测量方法

权利要求书

1.一种基于深度学习和深度相机的生猪体重测量方法，其特征在于，包括以下步骤：

获得生猪的深度图像；

将所述深度图像转化为三维点云数据；

对所述三维点云数据进行预处理，去除噪声；

利用PyTorch深度学习框架运行点云卷积神经网络PointNet++模型，将去除噪声的三维点云数据放入点云卷积神经网络PointNet++模型进行深度学习，去除背景三维点云数据；

将去除背景后的三维点云数据投影到三维坐标系下，求取每个切片点云上z值的最小点，将每个z值最小点合并成新点列，对该点列进行离散点去除，得到相应的二维的拟合线，求出相应的极值点位置，即获得相应的特征点坐标，从而得到相应的体尺数据；

将生猪的体尺数据作为自变量，将生猪的体重作为因变量，根据如下公式获得生猪的体重：

Y＝α₀+α₁X₁+α₂X₂+…+α_nX_n+ε

其中，Y为生猪体重，a₀、a₁、a₂...a_n以及ε为不同种类生猪对应的系数,x₁、x₂...x_n为生猪的体尺数据；

所述特征点包括地面平面、生猪的头顶、生猪的第一尾椎骨、生猪的髻甲骨以及生猪的趾节骨，其中，地面平面的方程为

ax+by+cz+d＝0

相应的体尺数据，包括体长X₁、体高X₂、体斜长X₃和体宽X₄；

其中，体长X₁为生猪的头顶N(x₁，y₁，z₁)到M(x₂，y₂，z₂)的直线距离，其表达式为：X₁＝|x₁-x₂|；

体高X₂为生猪的第一尾椎骨M(x₂，y₂，z₂)到地面平面ax+by+cz+d＝0的直线距离，其表达式为：

体斜长X₃为生猪的髻甲骨A(x₃，y₃，z₃)到生猪的趾节骨B(x₄，y₄，z₄)的直线距离，其表达式为：

体宽X₄由Kinect深度相机测得，其表达式为：X₄＝|z_u-z_d|。

2.根据权利要求1所述的基于深度学习和深度相机的生猪体重测量方法，其特征在于：获得生猪的深度图像包括：将Kinect深度相机架设在饲喂机侧方，对进食时静止的生猪进行深度图像的捕获，距离范围为

其中，a为Kinect深度相机视角，L为生猪进食区的长度，D为Kinect深度相机距离生猪的距离。

3.根据权利要求2所述的基于深度学习和深度相机的生猪体重测量方法，其特征在于：将所述深度图像转化为三维点云数据包括：在Kinectfor Windows SDK2.0软件开发环境下使用其自带的点云获取函数，将采集得到的深度图像转化三维点云数据。

4.根据权利要求3所述的基于深度学习和深度相机的生猪体重测量方法，其特征在于：对所述三维点云数据进行预处理，去除噪声包括：使用双边滤波法对三维点云数据集进行滤波降噪处理，其表达式为：

J⁰＝I J^t+1＝f(J^t)

其中，J⁰为初始图像，J^t为t次迭代后的结果，f(J^t)为滤波器。