[发明专利]基于注意力引导点云特征学习的奶牛体况自动评分方法

说明书

本发明涉及奶牛体况自动评分方法技术领域，具体为基于注意力引导点云特征学习的奶牛体况自动评分方法，在数据采集过程中，从两个牧场随机选取奶牛进行背部数据的采集，采集背部深度图像，利用采集到的深度图像中所包含的深度信息，即深度帧数据，结合相机内置参数，生成奶牛背部点云。该基于注意力引导点云特征学习的奶牛体况自动评分方法，将奶牛背部后躯区域作为感兴趣区域进行提取，进行归一化、降采样与特征放大处理，最后，利用注意力引导的点云特征提取网络进行感兴趣区域的特征提取，并完成奶牛的体况评分，本发明能够更好的提取作为奶牛体况评分感兴趣区域的三维特征，并提升奶牛体况评分的精度。

技术领域

本发明涉及奶牛体况自动评分方法技术领域，具体为基于注意力引导点云特征学习的奶牛体况自动评分方法。

背景技术

体况评分(Body Condition Score,BCS)可以反映作为能量储备的奶牛皮下脂肪的相对含量，其评估通常基于牛背部组织覆盖和骨盆骨突出的外观。在现代牧场经营过程中，BCS可以判断奶牛营养分配是否合理，还可以评价产奶量、繁殖性能和健康状况等。BCS一般采用5分制，增量为0.25，其中BCS为1分表示奶牛极度瘦弱，BCS为5分表示奶牛严重肥胖。

随着智能传感技术和计算机视觉技术的发展，非接触式奶牛体况自动评分方法得到了研究，在评分的自动化程度与精度上都有所提升。

国内外关于非接触式奶牛体况自动评分方法的现有研究，数据形式有二维形式与三维形式，特征提取方式有传统人工特征提取与深度学习两种。对于手工提取二维图像特征方法，Bewley等使用2D相机进行数据的采集，从捕获到的图像中手动标记解剖点以描述奶牛轮廓，并从中获得钩角，尾部凹陷等体况评分所需的重要指标，使用回归机对各参数进行拟合进行BCS的估计，对于手工提取三维特征方法，Thi等使用3D相机，将图像处理技术和回归模型引入到评分系统中，在奶牛背部设置两个感兴趣区域，在两区域分别提取不同指标构建回归模型，以上方法虽有较高的准确率，但特征的设置与提取均由人工参与进行，导致其在复杂场景下鲁棒性不高，对于深度学习自动提取二维图像特征的方法，Juan等在获取深度图像的边缘并对深度图像进行傅里叶变换后，将二者与深度图像叠加作为网络的输入，使用轻量级神经网络SqueezeNet进行训练，得出体况自动评分模型，但二维图像不能很好的表示作为奶牛体况自动评分感兴趣区域的三维信息，也不能更好的提取三维特征。

发明内容

为实现上述目的，本发明提供如下技术方案。

基于注意力引导点云特征学习的奶牛体况自动评分方法，包括以下步骤：

S1：数据采集：

从两个牧场随机选取奶牛进行背部数据的采集，采集奶牛背部深度图像。

S2：点云数据转化：

利用采集到的深度图像中所包含的深度信息，即深度帧数据，结合相机内置参数，生成奶牛背部点云，并进行保存。

S3：感兴趣区域的提取：

依次遍历点云数据内的点，获取到X轴方向的最大值与最小值的两点，利用两点连线将奶牛前躯部分去除，从而获取到作为感兴趣区域的奶牛背部后躯区域。

S4：点云数据归一化：

依据点云XYZ三方向的最小值进行平移，并将点云归一化至以原点为中心的边长为1的立方体中。

S5：降采样：

为输入点云创建3D体素网格，在每个体素中计算体素内所有点的质心，用质心代替同一个体素内的所有点。

S6：特征放大：

将Z轴坐标值放大1.25倍。

S7：法向量计算：