[发明专利]一种基于深度学习和红外热成像的母猪发情检测方法

权利要求书

1.一种基于深度学习和红外热成像的母猪发情检测方法，其特征在于，包括以下步骤：

步骤S1，通过红外热像仪，对母猪的臀部进行拍摄，得到伪彩色图像和温度矩阵；将伪彩色图像中母猪的臀部和外阴部位进行标注后构成母猪臀部和外阴图像数据集，然后输入到基于改进YOLOv5的目标检测模型中进行训练和验证，得到母猪臀部和外阴检测模型；

所述的基于改进YOLOv5的目标检测模型，包括输入层、Backbone Network、NeckNetwork和Detector四个模块；

所述输入层用于对输入的图像进行预处理；

所述Backbone Network由Focus、C3、PSA、DwConv和SPP模块组成；

所述DwConv是将原Backbone Network中用于下采样的Conv模块中3×3普通卷积核替换为深度可分离卷积核，再利用1×1卷积打乱特征图的通道顺序，促进通道间的信息交互；

所述PSA是一个高效的金字塔注意力分割模块，将其添加在最后一个C3模块的后面，用于强化网络对通道间依赖关系的学习和提取更细粒度的多尺度空间信息，进一步加强Backbone Network的特征提取能力；

所述Neck Network包括特征金字塔网络FPN和路径聚合网络PAN，FPN将高层特征进行上采样和低层特征进行自顶向下的融合，增强语义信息的获取；PAN将低层特征进行下采样和高层特征进行自底向上的融合，增强位置信息的获取；

所述Detector包括模型检测头的Detect模块和不同长宽比的初始Anchor box；

所述检测头为中等目标检测头和大目标检测头，删除了小目标检测头；

所述Detect模块用于返回目标检测框的位置、置信度和类别信息；

所述初始Anchor box是通过K-Means++聚类算法与遗传算法对母猪臀部和外阴图像数据集中标注信息进行匹配，最后得到6个不同长宽比的先验框；

步骤S2，利用步骤S1中获得的母猪臀部和外阴检测模型，对发情母猪和非发情母猪的臀部图像进行检测，识别出母猪的外阴部位以及外阴部位在母猪臀部所处的位置，如果识别出的外阴部位处于母猪臀部的中间位置，则将该外阴部位的坐标值与对应温度矩阵相映射得到母猪的外阴皮肤温度；然后将得到的每只母猪连续的外阴皮肤温度分段后构成母猪外阴皮肤温度时间序列数据集，输入到基于长短时记忆神经网络的时间序列分类模型中进行训练和验证，得到母猪发情预警模型；

步骤S3，当需要对母猪进行发情检测时，通过红外热像仪拍摄母猪的臀部图像，输入到母猪臀部和外阴检测模型中，识别出母猪的外阴部位以及外阴部位在母猪臀部所处的位置，如果识别出的外阴部位处于母猪臀部的中间位置，则将该外阴部位的坐标值与对应温度矩阵相映射得到母猪的外阴皮肤温度；然后将母猪连续的外阴皮肤温度输入到母猪发情预警模型，通过母猪发情预警模型判断母猪是否发情。

2.根据权利要求1所述的基于深度学习和红外热成像的母猪发情检测方法，其特征在于：所述步骤S1中，母猪臀部和外阴图像数据集在输入到模型中训练之前，将其划分为训练集、验证集和测试集。

3.根据权利要求1所述的基于深度学习和红外热成像的母猪发情检测方法，其特征在于：所述步骤S2中构建母猪外阴皮肤温度时间序列数据集的具体步骤包括：

步骤S21，将母猪连续的外阴皮肤温度按照时间顺序分段，连续的6个外阴皮肤温度作为一个时间序列样本；

步骤S22，根据母猪的状态为每个时间序列样本添加标签，包括发情和非发情；

步骤S23，将处理好的母猪外阴皮肤温度时间序列数据集划分为训练集和验证集，比例为8：2。

4.根据权利要求1所述的基于深度学习和红外热成像的母猪发情检测方法，其特征在于：所述步骤S2中，构建的母猪发情预警模型由2个LSTM层、2个Dropout层、1个全连接层和1个Softmax层组成；

所述2个LSTM层各包含20个LSTM单元；

所述2个Dropout层的Dropout rate为0.3；

所述全连接层用于对提取到的母猪外阴皮肤温度时间序列特征加权求和；

所述Softmax层用于将全连接层的结果映射为概率。

5.根据权利要求1所述的基于深度学习和红外热成像的母猪发情检测方法，其特征在于：所述步骤S3中，通过母猪发情预警模型判断母猪是否发情时，输入的母猪连续的外阴皮肤温度的时间序列的长度需等于6。