[发明专利]一种基于深度学习的体重估计方法

权利要求书

1.一种基于深度学习的体重估计方法，其特征在于，包括以下步骤：

采集单个羊只的侧视深度图像数据，对采集的数据进行羊只检测，并截取检测到的羊只图像；

对截取出的羊只图像进行羊只语义分割处理，得到分割处理后的羊只深度图像数据；

构建LiteHRNet骨干网络，其用于提取不同通道数量的羊只深度图像数据特征；利用点卷积层、ReLU层、Dropout层、自适应平均池化层和线性层构建体重估计网络头，其用于接收骨干网络所提取的图像数据特征，输出估计羊只的体重；

利用羊只检测和分割得到的数据，对结合体重估计网络头的LiteHRNet深度神经网络模型进行训练，得到不同的体重估计预训练模型；

利用类激活映射方法对不同的体重估计预训练模型的预测层进行分析，筛选出精确度高且注意力在羊只区域集中的预训练模型作为最终的羊只体重估计模型；

将截取后的羊只图像输入到最终的预训练模型中得到对应羊只的体重估计结果。

2.根据权利要求1所述的一种基于深度学习的体重估计方法，其特征在于，

将深度相机布置在单只羊通道的侧面，距离通道约0.8米，高度0.5米，以采集羊只侧视的深度图像数据。

3.根据权利要求1所述的一种基于深度学习的体重估计方法，其特征在于，

利用羊只检测模型对采集的深度图像数据进行羊只检测并截取出对应的羊只区域图像。

4.根据权利要求1所述的一种基于深度学习的体重估计方法，其特征在于，

利用羊只语义分割模型，对截取出的羊只图像进行语义分割处理。

5.根据权利要求1所述的一种基于深度学习的体重估计方法，其特征在于，

利用均方差损失函数训练神经网络，得到不同的体重估计预训练模型。

6.根据权利要求1所述的一种基于深度学习的体重估计方法，其特征在于，

利用预训练模型的体重估计的平均误差作为模型的精确度指标。

7.根据权利要求1所述的一种基于深度学习的体重估计方法，其特征在于，

根据预训练模型注意力可视化结果在图像中羊只区域的集中程度作为模型的视觉筛选指标。