[发明专利]一种基于深度图像的猪只体重估测方法和设备

权利要求书

1.一种基于深度图像的猪只体重估测方法，其特征在于，所述方法包括步骤：

S1、获取对猪只俯拍的深度图像以及猪只的品种；

S2、运用Keypoint-RCNN网络提取深度图像中猪只的关键点；

S3、根据猪只的关键点，计算猪只的体尺特征数据和俯视投影面积；

S4、将猪只品种、体尺特征数据和俯视投影面积输入到估重模型，得到猪只体重数据；

其中，步骤S4所述估重模型基于回归模型建立。

2.根据权利要求1所述的一种基于深度图像的猪只体重估测方法，其特征在于，获取步骤S1所述深度图像的方法为：首先通过深度摄像头对猪只俯拍得到点云数据，然后根据点云数据生成深度图像；

所述深度摄像头在俯拍猪只时，通过陀螺仪检测深度摄像头的实时姿态，当深度摄像头满足预设的拍摄视角自动拍摄图像，否则发出调整深度摄像头姿态的提示。

3.根据权利要求1所述的一种基于深度图像的猪只体重估测方法，其特征在于，步骤S2在使用Keypoint-RCNN网络提取深度图像中猪只的关键点之前，需对深度图像进行分割得到图像中的猪只轮廓，分割的步骤包括：

S21、按照点云密度滤波降噪算法对深度图像进行降噪处理去除噪点；

S22、通过排序的方法计算地面和猪只背部轮廓的高度差，利用高度信息识别地面部分并将地面部分删去；

S23、将深度信息转换为的高度信息进行排序以后，再进行最大连通区域的提取，即得到包括猪只轮廓的图像。

4.根据权利要求1所述的一种基于深度图像的猪只体重估测方法，其特征在于，步骤S2所述猪只的关键点包括：耳根点(1)、前肘点(2)、后肘点(3)、脊后部点(5)、尾根点(4)；其中耳根点(1)、前肘点(2)、后肘点(3)、尾根点(4)均有左右两个；

步骤S3所述体尺特征数据包括：肩宽、臀宽、体高、体长；

所述肩宽是通过两个前肘点(2)的距离计算得到；

所述臀宽是通过两个后肘点(3)的距离计算得到；

所述体高是通过脊后部点(5)的高度和地面的高度之差的距离计算得到；

所述体长是通过两个耳根点(1)连线中点、两个尾根点(4)连线中点的连线距离得到。

5.根据权利要求4所述的一种基于深度图像的猪只体重估测方法，其特征在于，步骤S2所述Keypoint-RCNN网络包括：骨干网络单元、区域建议单元、感兴趣区域匹配单元、关键点检测分支单元、掩膜检测分支单元、边框回归与分类单元；

Keypoint-RCNN网络获取猪只的深度图像，骨干网络单元对深度图像提取图像特征，得到深度图像的特征图；区域建议单元从特征图中提取出不同尺寸的感兴趣区域特征图；感兴趣区域匹配单元将不同尺寸的感兴趣区域特征图转化为固定尺寸的感兴趣区域特征图；关键点监测分支单元在固定尺寸的感兴趣区域特征图上提取得到耳根点(1)、前肘点(2)、后肘点(3)、脊后部点(5)、尾根点(4)；掩膜监测分支单元对固定尺寸的感兴趣区域特征图分割得到猪只轮廓线的分割图；边框回归与分类单元对固定尺寸的感兴趣区域特征图识别猪只并提出其他物体。

6.根据权利要求5所述的一种基于深度图像的猪只体重估测方法，其特征在于，步骤S3计算所述俯视投影面积的方法是：通过关键点划分出猪只的头部和尾部，将掩膜分支单元得到的猪只轮廓线的分割图去除头部和尾部，然后计算猪只轮廓线的分割图中剩余部分的面积作为俯视投影面积。

7.根据权利要求1所述的一种基于深度图像的猪只体重估测方法，其特征在于，所述估重模型的建立方法为：

采集猪只的体重数据、体尺特征数据、俯视投影面积、猪只品种，从而建立猪只的样本库，将以上的多个特征与实际测得的体重数据相对应，从而建立关于猪只的回归模型，接着利用最小二乘法确定关于猪只回归模型的回归系数得到估重模型。