[发明专利]一种猪只背膘厚度测定方法及系统

权利要求书

1.一种猪只背膘厚度测定方法，其特征在于，包括如下步骤：

S1、从猪只的后方采集其行走的RGB-D原始视频；

S2、对RGB-D原始视频中的关键帧进行图像分割，获得猪只臀部关键区域图像；

S3、将猪只臀部关键区域图像做四通道输入至预先训练的深度学习模型，进行特征提取，最后输出预测的膘厚值。

2.根据权利要求1所述的猪只背膘厚度测定方法，其特征在于，在步骤S1中，设置过道，在过道的上方架设3D摄像头，3D摄像头与竖直方向的夹角为15°～20°，3D摄像头拍摄走过过道的猪只臀部，获得RGB-D原始视频。

3.根据权利要求1所述的猪只背膘厚度测定方法，其特征在于，步骤S2包括：

S2.1、在步骤S1获得的RGB-D原始视频画面中划出感兴趣区域，通过预先训练的MaskR-CNN模型确定关键帧，并获得具有猪只目标的分割图像；

S2.2、根据生理部位以及臀部宽度对步骤S2.1获得的猪只目标分割图像进行关键区域切割，获得猪只臀部关键区域图像。

4.根据权利要求3所述的猪只背膘厚度测定方法，其特征在于，步骤S2.1包括：

S2.1.1、在RGB-D原始视频画面中设置感兴趣区域；

S2.1.2、选取RGB-D原始视频中的一帧图像；

S2.1.3、对选取的该帧图像进行猪只的目标检测与实例分割；

S2.1.4、判断步骤S2.1.3中猪只的检测框是否完全处于感兴趣区域内；若是，进行步骤S2.1.5；若否，回到步骤S2.1.2,处理下一帧图像；

S2.1.5、判断猪只的姿态是否为标准姿态；若是，进行步骤S2.1.6；若否,回到步骤S2.1.2，处理下一帧图像；

S2.1.6、进行图像分割处理，得到具有猪只目标的分割图像，该分割图像为掩膜图片，并将掩膜图片存储。

5.根据权利要求3所述的猪只背膘厚度测定方法，其特征在于，步骤S2.2包括：

S2.2.1、根据猪只的生理部位，按一定比例切割具有猪只目标的分割图像中的猪只身体，获得猪只臀部关键区域图像的上边界；

S2.2.2、根据猪只的臀部宽度，获得猪只臀部关键区域图像的左右界限；

S2.2.3、判断步骤S2.2.2得到的图像中是否存在腿部；若存在，则根据腿部特征进行进一步切分，确定图像的下边界；若不存在，则直接按照步骤S2.1.1的感兴趣区域的下边界作为猪只臀部关键区域图像的下边界。

6.根据权利要求5所述的猪只背膘厚度测定方法，其特征在于，在步骤S2.2.1中，在猪只身体的三分之一处划上边界。

7.根据权利要求3所述的猪只背膘厚度测定方法，其特征在于，在步骤S2.1中，Mask R-CNN模型的特征提取网络采用轻量级网络MobilenetV3。

8.根据权利要求7所述的猪只背膘厚度测定方法，其特征在于，轻量级网络MobilenetV3使用深度可分离卷积和逆残差结构，并引入轻量级attention模块。

9.根据权利要求1所述的猪只背膘厚度测定方法，其特征在于，在步骤S3中，深度学习模型的特征提取网络使用resenet50骨干网络并结合FPN结构。

10.一种猪只背膘厚度测定系统，其特征在于，包括：

视频获取模块，用于从猪只的后方采集其行走的RGB-D原始视频；

关键帧确定及猪只臀部关键区域图像获取模块，用于从RGB-D原始视频中确定具有猪只目标的关键帧，并对关键帧进行图像分割获得猪只臀部关键区域图像；

膘厚值预测模块，用于根据猪只臀部关键区域图像通过深度学习模型预测膘厚值。