[发明专利]一种生猪体尺视觉测量的特征点选取及测量方法

说明书

本发明提供了一种生猪体尺视觉测量的特征点选取及测量方法。包括以下步骤：对猪舍进行图像采集，并基于张正友相机标定法计算相机畸变参数，对图像的径向畸变进行校正；将图像输入YOLOv5得到猪只的检测框，并根据检测框从图像中对猪只进行切割提取，得到单只猪只的图像；对猪只特征点进行选取，建立新的猪只特征点数据集，融合注意力机制获取图像中的猪只特征点；设计基于深度神经网络的猪只特征点评估算法，根据识别出的特征点坐标对猪只体态进行判断并对体尺数据能否测量进行评估；采用仿射变换、结合采集设备安装位置的数据对猪只体尺进行测量。该方法提高了猪只体尺测量过程中的检测效率，对养猪生产过程的智能化实现，提升养殖水平具有重要意义。

技术领域

本发明涉及计算机视觉、图像处理和牲畜养殖技术领域，具体为一种生猪体尺视觉测量的特征点选取及测量方法。

背景技术

发展规模化、集约化、智能化的现代化生猪养殖管理模式是提高养殖生产效率和降低单猪成本的必经之路。现有猪场养殖在生产过程中对猪只巡检、生长、健康状态表观评判方面还主要依赖人工，误检、漏检率高，无法满足规模生产与防疫需要。围绕生猪养殖过程中生猪体尺自动测量展开研究，对养猪生产过程的智能化实现，提升养殖水平具有重要的研究意义。

现阶段我国对猪只体尺的测量主要停留在人工测量阶段，不采用人工的猪只体尺自动测量技术的应用较少。对于这两类方法，人工测量会存在测量效率低、精确度不够高、存在人猪染病风险等问题；对于猪只体尺自动测量技术，主要包括两类方法进行测量，第一类是采用算法提取牲畜轮廓，再使用包络线等方法提取体尺信息，另一类是采用深度相机等设备对牲畜点云进行提取，再根据点云计算牲畜体尺。这些方法虽然可以良好的计算出牲畜体尺，但是也具备较大局限性，第一类存在要求较合适的拍摄角度、牲畜姿态笔直、牲畜不能过于密集等问题，第二类则存在设备要求较高、牲畜同样不能过于密集等问题。考虑到以上问题，本发明提出了融合注意力机制的特征点检测算法对图像中的生猪进行特征点检测，以生猪身上的特征点作为生猪体尺测量的依据。

特征点检测技术在过去多用于人体姿态的估计，注意力机制是近年深度学习领域的研究热点之一，其通过对模型中不同部分赋予不同权重，从中抽取出更加重要关键的信息，优化模型得到更准确的预测。将注意力机制融合入SimpleBaselines特征点检测算法对图像中的生猪进行特征点检测，可以为生猪体尺测量提供参考。

本发明针对养殖猪舍中的猪只体尺测量问题，采用目标检测技术分离出猪只个体，设计猪只特征点并利用融合注意力机制的SimpleBaselines算法对猪只特征点进行识别，设计猪只特征点评估算法对猪只姿态以及体尺信息能否进行测量进行评估，最后根据设备安装角度等数据，采用仿射变换等计算得到猪只体尺数据，解决了目前猪只体尺自动测量技术中对猪只体态要求较高、猪群过于密集时无法测量猪只体尺等问题。

发明内容

为解决上述问题，本发明公开了提供一种生猪体尺视觉测量的特征点选取及测量方法，本发明要解决的技术问题：一是对养殖猪舍中的猪只进行个体图像提取并基于体尺测量方式设计猪只特征点；二是对猪只特征点进行良好的检测识别并对特征点进行算法评估；三是基于养殖猪舍安装设备信息以及识别出的猪只特征点提出一种猪只体尺计算方法。

为解决上述技术问题，达到本发明的目的，本发明采取的技术方案如下：

一种生猪体尺视觉测量的特征点选取及测量方法，包括以下步骤：

步骤S1、在养殖猪舍搭建图像采集设备，在猪舍中架设导轨以及巡检设备，在巡检设备上安置摄像头，通过交换机与主机连接采集图像并采用张正友相机标定法进行径向畸变矫正，并测量得到安装设备在养殖猪舍中的位置信息。

步骤S2、获得采集图像构建生猪养殖数据集，将数据集输入YOLOv5(You OnlyLook Once version 5)，通过骨干网络提取图像特征信息，从特征中得到猪只的检测包围框，从而对猪只从图像中进行个体分离。