[发明专利]一种基于深度学习的体重估计方法

说明书

本发明公开了一种基于深度学习的体重估计方法，涉及计算机视觉技术领域，通过对单个羊只侧视深度图像数据的采集，使用羊只检测和羊体语义分割模型对采集的数据进行数据增强后，将LiteHRNet网络模型作为体重估计模型的骨干网络，以获取羊只深度图像数据不同层次的语义信息，利用类激活映射方法对不同的体重估计头注意力区域进行可视化，最后筛选出体重估计误差小且羊只区域注意力集中的体重估计模型；该方法可以高效地进行羊只体重的估计，从而节省畜牧业从业人员的时间成本和劳工成本，并为其他类似动物的体重估计提供了深度学习方向上的研究思路。

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种基于深度学习的体重估计方法。

背景技术

畜牧业是发展中国家农业中的一个重要分支。发展现代畜牧业是我国消除绝对贫困的重要措施之一，同时也是提高我国西北地区农村经济和农业生活水平的关键。

羊只体重的获取是养殖业中日常的作业之一，提高羊只体重的获取效率是推进智慧养殖业的重要手段之一，通过对羊只体重信息的及时获取，可以监测羊成长、发育状态。羊只体重是养羊场选择优质种羊的参考指标之一，获取羊只体重可以正确判断羊的生长发育好坏，饲养管理是否合理，作为合理培育和选种选配的依据。

传统的羊只体重获取方法包括地秤称重法、基于体尺估计的方法和基于双目视觉的图像处理估计法；地秤称重法，需要人们驱赶羊只通过地秤通道，中途可能会对羊只造成不同程度的伤害；基于体尺估计体重的方法，需要提前获取羊只的体尺数据，而体尺的获取也是需要耗费大量人力和时间才能完成的事情；基于双目视觉的体重估计方法，设备的部署需要校准，且后续的处理需要人工交互完成，方法的应用受到限制。

传统的羊只体重获取方法降低了羊只体重获取的自动化程度，其效率无法满足现代智慧养殖的需求。为此提出一种基于深度学习的体重估计方法以解决以上问题。

发明内容

针对现有技术的不足，本发明提供了一种基于深度学习的体重估计方法，解决现有技术中存在的问题。

为实现以上目的，本发明通过以下技术方案予以实现：

一种基于深度学习的体重估计方法，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，通过利用LiteHRNet骨干网络的点卷积层、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；

结合不同的体重估计网络头构建LiteHRNet深度神经网络模型，利用羊只检测和羊只语义分割后得到的数据对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；

将处理后的羊只目标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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。