[发明专利]一种基于参照物的猪重识别的方法及系统

摘要

本发明公开了一种基于参照物的猪重识别的方法及系统，其特征在于，根据数据集中的参照物、猪身位置、猪肥胖程度，利用深度神经网络训练参照物、猪身检测模型，然后根据参照物、猪身位置、猪重，利用神经网络训练猪重预测模型。通过参照物、猪身检测模型，可以检测出图片中的参照物、猪身位置、猪身肥胖程度，通过猪重预测模型，可以识别猪的重量，两个模型结合起来可以实现通过拍摄带有参照物的猪的图片来直接识别猪的重量。该方法和系统能够高效准确的完成猪重识别的任务，能够应用到育肥猪保险理赔领域，大大提升理赔的效率和准确性。

主权项

1.一种基于参照物的猪重识别的方法，其特征是，1)根据数据集中的参照物、猪身位置、猪肥胖程度准备数据集，利用深度神经网络训练参照物、猪身检测模型，然后根据参照物、猪身位置、猪重，利用神经网络训练猪重预测模型；2)通过参照物、猪身检测模型，检测出图片中的参照物、猪身位置、猪身肥胖程度，通过上述猪重预测模型，识别猪的重量；两个模型结合起来实现通过拍摄带有参照物的猪的图片来直接识别猪的重量；/n具体步骤如下：/n步骤一：准备数据集，包括含有尺寸标度的参照物的图片、含猪身的图片，参照物和猪身的比较得到猪的尺寸的量度；进行数据标注工作，包括参照物位置、猪身位置、猪肥胖程度、猪的重量信息；/n步骤二：根据参照物、猪身位置、猪肥胖程度，利用深度神经网络训练参照物、猪身检测模型，并对模型进行评估及优化；将参照物对应到类别C₁，根据猪肥胖程度，将猪身对应到C₂,C₃,...,C_k，分别表示猪从瘦到胖的类别；对于每一张输入图片Image，输出为{Region(C_i)，Class_i}，其中Region(C_i)表示第i个区域位置，Class_i∈{C₁,C₂,C₃,...,C_k}表示第i个区域对应的猪从瘦到胖的类别；利用深度神经网络训练一个参照物、猪身检测模型，使得/nF(Image)＝{Region(C_i)，Class_i}/nF(Image)是深度神经网络训练得到的猪身检测模型的输出；/n为了得到一个可用的参照物、猪身检测模型，需要对模型进行测试，如果精度低于可用阈值Threshold(F)，就需要优化数据集或模型，重新训练，直到模型可用；/n步骤三：根据参照物、猪身位置、猪肥胖程度、猪重，利用神经网络训练猪重预测模型，并对模型进行评估及优化；对于该模型，输入为Region(C₁),Region(C_i),C_i，其中i∈{2,3,...,k}，也就是k类猪中的一类，输出为猪的重量Weight；利用深度神经网络训练一个猪重预测模型，使得G(Region(C₁),Region(C_i),C_i)＝Weight；/n为了得到一个可用的猪重预测模型，需要对模型进行测试，如果预测偏差高于可用阈值Threshold(G)，就需要优化数据集或模型，重新训练，直到模型可用；/n步骤四：对于待识别的图片，调用参照物、猪身检测模型，得到参照物、猪身位置、猪肥胖程度；对于待识别的图片，调用F(Image)模型，得到参照物区域Region(C₁)以及猪身区域Region(C_i)∈{2，3，…k}，而类别C_i表示猪的肥胖程度；/n步骤五：根据参照物、猪身位置、猪肥胖程度，调用猪重预测模型，得到猪重量的识别结果；将步骤四得到的Region(C₁),Region(C_i)传入模型G(Region(C₁),Region(C_i),C_i)＝Weight，得到猪的重量。/n