[发明专利]一种牲畜估重方法、装置及存储介质

说明书

本发明公开了一种牲畜估重方法、装置及存储介质，其中方法包括：采集目标区域中待评估牲畜的图像数据，并将所述图像数据分为训练集和测试集，其中，所述图像数据包括深度数据和可见光数据；对所述训练集中的图像数据进行数据标注，得到待处理数据；将所述待处理数据中的深度数据以及可见光数据输入至深度学习神经网络模型中进行模型训练，得到牲畜体重评估模型；将所述测试集输入至所述牲畜体重评估模型中，得到所述待评估牲畜的体重数据。本发明实施例通过计算机视觉采集牲畜的深度数据以及可见光数据，以对牲畜进行估重，能够有效减少工作量以及降低估重误差，从而能够有效提高牲畜体重评估的效率。

技术领域

本发明涉及牲畜管理技术领域，尤其是涉及一种牲畜估重方法、装置及存储介质。

背景技术

在牲畜养殖行业中，随着牲畜的生长，一般都会对牲畜进行重量测定，尤其是在出栏阶段，需要按重量进行价格评估。例如在生猪饲养阶段，如果每天或每周统计出生猪体重的变化，则可以根据体重的变化掌握生猪的饲喂曲线，从而能够更好的调节生猪的饮食系统，提高料肉比。现有的牲畜估重方法通常采用地秤的方式对生猪重量进行评估，即通过将生猪驱赶到有地秤的地方进行称重。但是这种方法存在以下问题：

(1)牲畜不配合工作人员，需要工作人员花费较多时间驱赶牲畜；

(2)地秤长时间暴露在潮湿环境，设备生锈、腐蚀导致称重误差较大。

发明内容

本发明提供了了一种牲畜估重方法、装置及存储介质，以解决现有的牲畜估重方法需要较大的工作量以及容易出现误差，导致体重评估的效率低以及误差大的技术问题。

本发明的第一实施例提供了一种牲畜估重方法，其特征在于，包括：

采集目标区域中待评估牲畜的图像数据，并将所述图像数据分为训练集和测试集，其中，所述图像数据包括深度数据和可见光数据；

对所述训练集中的图像数据进行数据标注，得到待处理数据；

将所述待处理数据中的深度数据以及可见光数据输入至深度学习神经网络模型中进行模型训练，得到牲畜体重评估模型；

将所述测试集输入至所述牲畜体重评估模型中，得到所述待评估牲畜的体重数据。

进一步的，所述将所述待处理数据中的深度数据以及可见光数据输入至深度学习神经网络模型中进行模型训练，得到牲畜体重评估模型，具体为：

利用深度神经网络模型分别对所述待处理数据中的可见光数据以及深度数据进行卷积运算，得到所述待评估牲畜的特征值以及mask位图；

将牲畜体重数据作为拟合目标，根据所述特征值以及所述mask位图进行模型训练，得到牲畜体重评估模型。

进一步的，在“将所述测试集输入至所述牲畜体重评估模型中，得到所述待评估牲畜的体重数据”，之后，还包括：

将所述体重数据与牲畜的真实体重数据进行比对，若所述体重数据的准确率低于预设值，则重新进行模型训练。

进一步的，所述可见光数据为可见光RGB数据。

进一步的，在得到所述待评估牲畜的体重数据之后，还包括：

将所述待评估牲畜的体重数数据上传至云平台。

本发明的第二实施例提供了一种牲畜估重装置，包括：

数据划分模块，用于采集目标区域中待评估牲畜的图像数据，并将所述图像数据分为训练集和测试集，其中，所述图像数据包括深度数据和可见光数据；

数据标注模块，用于对所述训练集中的图像数据进行数据标注，得到待处理数据；