[发明专利]一种基于实例分割的生猪计数方法

说明书

本发明属于计算机视觉与机器学习领域，公开了一种基于实例分割的生猪计数方法。弥补了现有算法标注成本昂贵、精度不高和鲁棒性差的不足。该技术首先利用图像分割网络得到图像中每个像素的类别预测结果，然后分别计算图像分割损失、实例分裂损失、定位损失与回归损失，最后将各个损失进行加权融合，并作为监督信息对网络进行训练。本发明技术仅需要对猪只的中心点进行标注，即可为每个猪只实例输出一个大致分割区域，进而得到猪只实例准确的位置和数量信息，解决复杂环境下的生猪计数和定位问题。

技术领域

本发明属于计算机视觉与机器学习领域，具体涉及一种基于实例分割的生猪计数方 法。

背景技术

生猪计数是大规模养殖管理中的一项关键任务。准确的生猪计数不仅可以改善猪只饲 养、猪舍建设等方面的管理水平，而且有助于降低养殖成本，及时发现猪只失踪等异常情 况，提高养殖场的竞争力。然而，目前猪只数量统计仍然依赖于人工计数，不仅需要耗费 大量的劳动力成本，而且效率低下，例如对一个中型规模的养殖场猪只数量进行盘点，通 常需要花费三天左右。此外，受到频繁的交易和母猪生产等因素影响，猪只数量经常改变， 因而使得生猪计数任务更加困难。

近年来，各种计算机视觉算法已被广泛用于农业和农业自动化领域，但在实际应用中 仍面临两个问题：1.由于猪群重叠遮挡、光线波动、猪的相似外观、形状变形和障碍物遮挡等问题，限制了传统计算机视觉技术在生猪计数任务上的使用。2.现有的基于深度 学习的方法为了达到对物体计数的目标，通常需要借助目标检测或图像分割技术，二者分 别需要对物体进行边界框标注和像素级标注，不仅标注成本昂贵，而且无法应对猪群高度 密集和猪身目标较小的场景。

在复杂场景中的生猪计数仍然是一项具有挑战性的任务。因此，在仅需要对猪只中心 点进行标注的条件下，使用基于实例分割的计算机视觉技术进行自动生猪计数和定位是一 种低成本、集约化并具有广阔前景的解决方案。

发明内容

本发明克服现有技术存在的不足，所要解决的技术问题为：提供一种基于实例分割的 生猪计数方法。

为了解决上述技术问题，本发明采用的技术方案为：

一种基于实例分割的生猪计数方法，包括以下步骤：

步骤1，获取多张包含猪群的样本原图像，并对其中的生猪实例进行中心点位置标注，获得与所述样本原图像对应的样本标注图像；

步骤2，将所述样本原图像输入编码器中进行特征提取，并将编码器提取的特征编码通过由反卷积层组成的解码器模块对图像特征进行尺度上采样，得到样本原图像 的分割结果；

步骤3，将所述分割结果输入分类器，判断每个像素的类别，获得像素类别预测 矩阵S，表示像素i属于类别c(c表示对象实例的类别，对于生猪计数任务，只有生 猪和背景两类，c＝{0,1})的概率。

步骤4，基于所述像素类别预测矩阵以及所述样本标注图像，计算图像分割损失；所述样本标注图像Y在每个像素位置都有标签c，c＝1表示该像素标记为生猪对象，c＝0 表示该像素未标记为生猪对象；根据步骤3中得到的像素类别预测结果S与样本标注 图像Y，按照式(1)计算图像分割损失；

步骤5，基于所述像素类别预测矩阵以及所述样本标注图像，计算实例分裂损失；具 体步骤为：

5-1)标记连通域；根据所述像素类别预测矩阵S生成一个二元掩码矩阵F，如果argmax_kS_ik＞0，那么将像素i标记为前景像素，反之标记为背景像素；查找F中具有相同像素值且位置相邻的前景像素点组成的连通区域并赋予其唯一标识；