[发明专利]识别目标数量的方法、装置及计算机可读存储介质

说明书

本公开提供了一种识别目标数量的方法、装置及计算机可读存储介质，涉及人工智能技术领域。其中的识别目标数量的方法包括：采用深度学习神经网络对待预测图像进行处理，得到具有待预测图像的浅层图像特征以及深层图像特征的目标点云图像，目标点云图像中的每个目标点代表待预测图像中的一个目标；对目标点云图像中的点云数量进行识别，得到待预测图像中的目标数量。本公开采用人工智能技术，能够快速、准确、高效的识别出目标群体中目标的数量，应用至畜牧行业能够为智能化饲养提供基础支撑。

技术领域

本公开涉及人工智能技术领域，特别涉及一种识别目标数量的方法、装置及计算机可读存储介质。

背景技术

农业是我国的第一产业，我国自古以来就是农耕社会，肥沃的土地孕育、滋养了伟大的华夏民族。同时，农业也是国民经济的基础，关系到我们的日常饮食生活。养猪业作为农业的重要组成部分，对保障肉食品安全供应有重要作用。目前我国的养猪业正在从传统的养猪业向现代养猪业转变。但是，现有的猪场管理仍较为粗犷，从猪场建设到后期的饲养管理都缺乏技术人员的参与。诸多小散养殖户抗风险能力极差，无法保证其稳定盈利。在饲养过程中，因消毒措施以及防范措施不到位，饲养人员与猪只的频繁接触的过程中造成细菌、疾病的传染亦是一大隐患。

养猪场在进行猪个体数量识别的相关方法有如下几种。

耳缺：一般在仔猪出生后1～2天内，根据相应的规则在猪耳的边缘，用耳缺钳剪出缺口，根据相应的规则组成数字编号，以识别不同的猪只。同一个猪场内，同一年份，同一品种猪的编号不可重复。此方法在行业内使用多年，是较为传统的编号方法。

刺青：利用刺青钳对猪打上刺青，以分辨识别猪个体。

耳标：多数情况下，对于留种后的成年种猪使用耳标，但现在也逐步对仔猪开始使用耳标。使用时耳标头穿透牲畜耳部、嵌入辅标、固定耳标，耳标颈留在穿孔内，耳标面登载编码信息。

发明内容

本公开解决的一个技术问题是，如何快速、准确、高效的识别出目标群体中目标的数量。

根据本公开实施例的一个方面，提供了一种识别目标数量的方法，包括：采用深度学习神经网络对待预测图像进行处理，得到具有待预测图像的浅层图像特征以及深层图像特征的目标点云图像，目标点云图像中的每个目标点代表待预测图像中的一个目标；对目标点云图像中的点云数量进行识别，得到待预测图像中的目标数量。

在一些实施例中，深度学习神经网络包括卷积层和反卷积层，其中的反卷积层被配置为对卷积层输出的图像特征进行反卷积操作并叠加至卷积层输出的图像特征，使得深度学习神经网络能够将待预测图像处理为具有待预测图像的浅层图像特征以及深层图像特征的目标点云图像。

在一些实施例中，深度学习神经网络包括VGG16网络模型的前五个卷积块与附加的第一反卷积层、第二反卷积层、第三反卷积层；第一反卷积层被配置为对第五个卷积块输出的图像特征进行反卷积操作并叠加至第四个卷积块输出的图像特征；第二反卷积层被配置为对第一次叠加输出的图像特征进行反卷积操作并叠加至第三个卷积块输出的图像特征；第三反卷积层被配置为对第二次叠加输出的图像特征进行反卷机操作并叠加至第二个卷积块输出的图像特征。

在一些实施例中，该方法还包括：将第一反卷积层、第二反卷积层、第三反卷积层的通道数设置为256；在第一次叠加操作之前，采用1×1的卷积操作将第五个卷积块输出的图像特征的通道数处理为256；在第二次叠加操作之前，采用1×1的卷积操作将第四个卷积块输出的图像特征的通道数处理为256；在第三次叠加操作之前，采用1×1的卷积操作将第三个卷积块输出的图像特征的通道数处理为256。

在一些实施例中，深度学习神经网络还包括附加的卷积层，附加的卷积层被配置为对第三次叠加输出的图像特征进行处理，得到平滑的目标点云灰度图像。