[发明专利]一种生猪体重测量方法及装置

说明书

本发明实施例提供了一种生猪体重测量方法及装置，本发明涉及人工智能技术领域，方法包括：获取关于待测量生猪的视频图像；将视频图像输入预先训练的关键点检测模型，得到模型输出的待测量生猪的关键点热力图和关键点位置信息；根据关键点位置信息匹配得到多个预设关键点；根据待测量生猪的预设关键点计算待测量生猪的臀宽、臀高、身长；根据臀宽、臀高、身长计算待测量生猪的体积；将臀宽、臀高、身长及体积输入预设的生猪体重回归模型计算得到待测量生猪的体重预测值。本发明实施例提供的技术方案能够解决现有技术中通过视觉测量生猪的体重往往准确度低的问题。

【技术领域】

本发明涉及人工智能技术领域，尤其涉及一种生猪体重测量方法及装置。

【背景技术】

目前，生猪体重是衡量生猪是否达到出栏标准，以及对预期收入做估计的最重要价值，目前使用体重计进行生猪称重，操作繁琐，耗费了过多的人力成本和时间成本，特别是在大型生猪养殖厂，逐一进行生猪体重测量工作量将十分巨大。而通过视觉测量生猪的体重往往准确度低。

【发明内容】

有鉴于此，本发明实施例提供了一种生猪体重测量方法及装置，用以解决现有技术中通过视觉测量生猪的体重往往准确度低的问题。

为了实现上述目的，根据本发明的一个方面，提供了一种生猪体重测量方法，所述方法包括：获取关于待测量生猪的视频图像；将所述视频图像输入预先训练的关键点检测模型，得到所述模型输出的所述待测量生猪的关键点热力图和关键点位置信息；根据所述关键点位置信息匹配得到多个预设关键点；根据所述待测量生猪的预设关键点计算所述待测量生猪的臀宽、臀高、身长；根据所述臀宽、所述臀高、所述身长计算所述待测量生猪的体积；将所述臀宽、所述臀高、所述身长及所述体积输入预设的生猪体重回归模型计算得到所述待测量生猪的体重预测值。

可选地，所述根据所述臀宽、所述臀高、所述身长计算所述待测量生猪的体积的计算公式为：V＝W*L*H，其中，W为所述待测量生猪的臀宽，H为所述待测量生猪的臀高，L为所述待测量生猪的身长。

可选地，所述预设关键点包括嘴、头、颈、左前肘、左前脚尖、右前脚尖、左后肘、左后脚尖、右后肘、右后脚尖、脊前部、脊中部、尾、肚中部、肚后部；所述根据所述待测量生猪的预设关键点计算所述待测量生猪的臀宽、臀高、身长，包括：根据匹配得到的“头”关键点和“尾”关键点的位置信息计算所述待测量生猪的身长；根据匹配得到的“脊中部”关键点和“肚中部”关键点的位置信息计算所述待测量生猪的臀高；根据匹配得到的“左后肘”关键点和“右后肘”关键点的位置信息计算所述待测量生猪的臀宽。

可选地，在所述将所述视频图像输入预先训练的关键点检测模型，得到所述模型输出的所述待测量生猪的关键点热力图和关键点位置信息之前，所述方法还包括：构建所述关键点检测模型，其中，所述关键点检测模型由四个密集连接的沙漏网络构成；利用预设的训练集对所述关键点检测模型进行训练，训练过程中采用最小均方误差损失函数使得所述沙漏网络收敛，得到训练好的所述关键点检测模型。

可选地，所述训练集包括多个生猪图像样本；所述沙漏网络包括上级路和下级路，所述上级路处理原尺寸的生猪图像，所述下级路对所述原尺寸的生猪图像进行降采样后再进行升采样处理。

可选地，所述降采样采用最大池化或平均池化，所述升采样采用最近邻插值法。

可选地，在所述将所述臀宽、所述臀高、所述身长及所述体积输入预设的生猪体重回归模型计算得到所述待测量生猪的体重预测值之前，所述方法还包括:采集若干个生猪样本的体重及参考数据，所述参考数据包括臀宽、臀高、身长及体积；将所述参考数据作为变量，对应的生猪样本的体重作为结果，建立生猪体重回归模型。