[发明专利]一种基于3D视觉技术的猪体重预估方法

说明书

本发明公开了一种基于3D视觉技术的猪体重预估方法，涉及养殖设备领域，技术方案为，以RGBD相机对猪只进行图像采集；对采集到的图像进行筛选；经过筛选后的图像进入3D点云建模通道，获取猪的三维空间模型；根据获取的三维模型，结合体重预估模型获得猪的体重；对所得的体重结果进行评估。本发明的有益效果是：本方案基于机器视觉技术的检测精度在虽然某些方面低于人工检测，具有检测速度快，长期运行成本低、省时省力等优势。本方案提出的基于3D视觉技术估重的方法可以捕捉猪体全局信息，在提高猪体重预估的准确性方面具有很大潜力，有助于提高该技术的可行性和鲁棒性。

技术领域

本发明涉及养殖设备领域，特别涉及一种基于3D视觉技术的猪体重预估方法。

背景技术

在非洲猪瘟严防严控的情况下，非接触式测量技术显得尤为重要。猪体尺、体重等生长信息是描述其品质和营养状况的重要指标。在品质方面，猪活体尺可以用来估测其瘦肉率及背膘厚、眼肌面积等。在营养状况方面，动物日增重参数是判断其生长趋势的重要指标之一。传统的测量体尺和体重的过程主要是通过人力赶猪，上地磅或称来计量，以主观测量、记录方式为主。该传统方式对于长期养殖环境中设备的稳定性提出了巨大挑战，因为受制于农业生产的复杂环境，高温、高湿环境会影响传感器的测量稳定性和准确性，且动物为活体，无法根据人的意志来配合检测，而同时如果强制约束其至人工称重设备中，无疑会对其造成巨大的应激。

基于机器视觉技术非接触式检测猪只体尺、预估体重技术也是近年来学者们热衷探索的方向，例如：京东农牧的巡检机器人，结合AI算法对目标猪只进行智能盘点、估重等，睿畜科技公司的天蓬系统，自动统计生猪存栏数量，追踪生猪体型、体重和行为变化等，小龙潜行公司的守望者轨道机器人，利用AI视觉技术，以栏为单位，完成猪只的测重、测膘、盘点工作。基于视觉技术的检测精度在虽然某些方面低于人工检测，无法百分百识别准确，但是它具有检测速度快，长期运行成本低等优势，使该技术具有广阔的研究空间和良好的应用效果。而传统人工检测工作量大，测量效率低下，无法自动连续监测，使用机器视觉替代人工检测，将解放对劳动力的需求，降低企业的生产管理成本，提高数智化生产水平。而目前的视觉估重技术大多局限于二维图像，基于猪体背部面积、猪体尺参数建立估重模型，这归因于机器视觉技术设备发展历程，二维图像处理技术依靠RGB彩色相机来实现，就估重精度而言，2D图像仅能获取猪体局部信息，因此测定结果准确性有限。且现有方案中对于猪体重预估方法存在因二次测量导致误差传递的问题，误差的二次传递，将会导致体重估测结果的误差累积，即增加最后测量结果的均方差。

发明内容

针对上述技术问题，本发明提供一种基于3D视觉技术的猪体重预估方法。

其技术方案为，S1、以RGBD相机对猪只进行图像采集；

S2、对S1采集到的图像进行筛选，借助理想帧方法判断当前采集的图像是否为理想帧；如果是，则保留图像；如果不是，则删除图像；

S3、经过S2筛选后的图像进入3D点云建模通道，匹配不同视角的边缘点，这一过程借助RGBD相机自身功能完成即可，成功匹配后获取一头猪的三维空间模型，猪体外表轮廓模型也包括每个轮廓点的三维坐标x、y、z；

S4、根据S3获取的三维模型，结合体重预估模型获得猪的体重，所述体重预估模型为：

BW＝α×ρ×V+β×L+δ×H

其中，BW为一只猪的体重，单位为kg，α为体密度的修正系数；ρ为猪体密度，跟猪体肥胖程度和生长阶段有密切关系，默认值为0.975g/cm³，V为体积，体积依据S3获取的猪体三维模型得到，β为四肢质量修正系数；L为猪四肢质量，不同日龄猪只的四肢质量差异由系数β修正，L的单位为kg；δ为为猪头质量的修正系数；H为猪头的质量，不同日龄猪只的猪头质量差异由系数δ修正，H的单位为kg；修正系数通过对于大量猪只测量得出修正经验值，数量可选为200-800头。