CN109579956B - 一种智能养猪限位测重方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明提供了一种智能养猪限位测重方法、装置、电子设备及存储介质，所述方法包括：S1、获取待进行智能限位测重的养猪场中每个限位栏内猪只的图像信息；S2、根据每个限位栏内猪只的图像信息，采用预设的限位体重测量模型，获取对应限位栏内猪只的体重信息；其中，所述预设的限位体重测量模型是基于限位栏内猪只的图像样本输入数据和体重样本结果数据进行训练后得到的。本发明提供的智能养猪限位测重方法，克服了现有方式中采用地磅进行测重的各种弊端(如费时费力、成本高、地秤损坏快、测量结果不准确尤其是驱赶测重导致的应激反应等)，实现了低成本、方便快捷、准确且无应激的测重，解决了传统养猪行业的痛点问题。

Description

一种智能养猪限位测重方法、装置、电子设备及存储介质

技术领域

本发明涉及计算机技术领域，具体涉及一种智能养猪限位测重方法、装置、电子设备及存储介质。

背景技术

目前，养猪场在猪只的养殖过程中，需要在猪只的不同生长阶段获取猪只的体重信息，以便及时了解猪只的生长情况。

对于限位栏内猪只的体重测重，目前采用的普遍方式是将限位栏内的猪只赶到公用地秤上进行称重，但是这种称重方式，猪只会产生较强的应激反应，频繁测量能把猪测病，甚至测死。此外，若为了降低共用地秤测重而造成的应激反应，可以在每只猪的限位栏上放置一台地秤用于称重，但是这样的缺点是成本较高，投入较大，一般企业均承受不了，且由于猪场环境恶劣，地秤在猪场使用一段时间，往往由于粪尿侵蚀等原因造成地秤损坏，从而进一步增加了成本。

发明内容

针对现有技术中的缺陷，本发明提供一种智能养猪限位测重方法、装置、电子设备及存储介质。

具体地，本发明提供以下技术方案：

第一方面，本发明提供了一种智能养猪限位测重方法，包括：

S1、获取待进行智能限位测重的养猪场中每个限位栏内猪只的图像信息；

S2、根据每个限位栏内猪只的图像信息，采用预设的限位体重测量模型，获取对应限位栏内猪只的体重信息；

其中，所述预设的限位体重测量模型是基于限位栏内猪只的图像样本输入数据和体重样本结果数据进行训练后得到的。

进一步地，在所述S1之前，所述方法还包括：

S0、建立所述预设的限位体重测量模型。

进一步地，所述S0包括：

S01、准备训练样本数据；所述训练样本数据包括待进行智能限位测重的养猪场中指定限位栏内猪只的图像数据和体重数据；

S02、基于准备的训练样本数据，基于机器学习的方法对初始限位体重测量模型进行训练，得到所述预设的限位体重测量模型。

进一步地，所述S01包括：

定期采集所述待进行智能限位测重的养猪场内指定的若干个限位栏内猪只体重信息和图像信息，并将每次采集的猪只体重信息和图像信息组成数据对后进行成对存储；其中，限位栏内猪只的体重信息由安装在限位栏内与限位栏尺寸匹配的地秤获取；限位栏内猪只的图像信息由安装在限位栏正上方预设高度处的图像采集设备获取；其中，采集的猪只体重信息和图像信息需要涵盖猪只的不同生长阶段和各种生活姿态；

相应地，所述S02包括：

将采集得到的猪只体重信息和图像信息的数据对中的图像信息作为输入，将相应数据对中的体重信息作为输出，基于机器学习的方法对初始限位体重测量模型进行训练，得到所述预设的限位体重测量模型。

进一步地，所述定期采集所述待进行智能限位测重的养猪场内指定的若干个限位栏内猪只体重信息和图像信息，并将每次采集的猪只体重信息和图像信息组成数据对后进行成对存储，包括：

当每次判断相应限位栏内的猪只处于稳定状态时，采集对应限位栏内猪只的体重信息和图像信息，并将每次采集的猪只体重信息和图像信息组成数据对后进行成对存储。

进一步地，所述S1包括：

利用安装在滑轨上的巡视机器人获取待进行智能限位测重的养猪场中每个限位栏内猪只的图像信息；其中，所述滑轨安装在养猪场限位栏的上方，所述巡视机器人在所述滑轨上来回滑动以获取每个限位栏内猪只的图像信息；所述滑轨的一端或两端安装有充电仓，用于为所述巡视机器人充电；其中，所述巡视机器人在所述滑轨上每滑动到一个限位栏的位置时，停下，采集对应限位栏内猪只的图像数据，当所述巡视机器人在所述滑轨上滑动结束后，回至安装在滑轨一端或两端的充电仓内充电。

进一步地，所述巡视机器人在所述滑轨上来回滑动以获取每个限位栏内猪只的图像信息时，对于每个限位栏获取多张图像数据；

相应地，在所述S1之后以及所述S2之前，所述方法还包括：

对于每个限位栏获取的多张图像数据进行评价，选取质量最好的一张图像数据，并根据该张图像数据，采用预设的限位体重测量模型，获取对应限位栏内猪只的体重信息。

第二方面，本发明还提供了一种智能养猪限位测重装置，包括：

获取模块，用于获取待进行智能限位测重的养猪场中每个限位栏内猪只的图像信息；

测重模块，用于根据每个限位栏内猪只的图像信息，采用预设的限位体重测量模型，获取对应限位栏内猪只的体重信息；

其中，所述预设的限位体重测量模型是基于限位栏内猪只的图像样本输入数据和体重样本结果数据进行训练后得到的。

第三方面，本发明还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述智能养猪限位测重方法的步骤。

第四方面，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述智能养猪限位测重方法的步骤。

由上面技术方案可知，本发明提供的智能养猪限位测重方法，首先获取待进行智能限位测重的养猪场中每个限位栏内猪只的图像信息，然后根据每个限位栏内猪只的图像信息，采用预设的限位体重测量模型，获取对应限位栏内猪只的体重信息；其中，所述预设的限位体重测量模型是基于限位栏内猪只的图像样本输入数据和体重样本结果数据进行训练后得到的。可见，本发明提供的智能养猪限位测重方法，克服了现有方式中采用地磅进行测重的各种弊端(如费时费力、成本高、地秤损坏快、测量结果不准确尤其是驱赶测重导致的应激反应等)，实现了低成本、方便快捷、准确且无应激的测重，解决了传统养猪行业的痛点问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例提供的智能养猪限位测重方法的流程图；

图2是本发明一实施例提供的模型训练阶段的数据获取方式示意图；

图3是本发明一实施例提供的模型应用阶段的数据获取方式示意图；

图4是本发明另一实施例提供的智能养猪限位测重装置的结构示意图；

图5是本发明又一实施例提供的电子设备的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明一实施例提供了一种智能养猪限位测重方法，参见图1，该方法包括如下步骤：

步骤101：获取待进行智能限位测重的养猪场中每个限位栏内猪只的图像信息。

在本步骤中，由于采用的是根据猪只图像预测猪只重量的方法，因此，获取每个限位栏内猪只的图像信息，以便对每个限位栏内猪只的体重信息进行预测和估计。

步骤102：根据每个限位栏内猪只的图像信息，采用预设的限位体重测量模型，获取对应限位栏内猪只的体重信息；

其中，所述预设的限位体重测量模型是基于限位栏内猪只的图像样本输入数据和体重样本结果数据进行训练后得到的。

在本步骤中，根据每个限位栏内猪只的图像信息，采用预先训练好的限位体重测量模型，可以获取对应限位栏内猪只的体重信息，进而省去了采用地秤称取猪只重量的麻烦。

在本步骤中，所述限位体重测量模型可以基于预先准备好的训练样本数据，采用机器学习的方法对初始限位体重测量模型进行训练得到，后续将进一步对模型的训练和建立过程给予详细说明。

由上面的描述可知，本实施例提供的智能养猪限位测重方法，首先获取待进行智能限位测重的养猪场中每个限位栏内猪只的图像信息，然后根据每个限位栏内猪只的图像信息，采用预设的限位体重测量模型，获取对应限位栏内猪只的体重信息；其中，所述预设的限位体重测量模型是基于限位栏内猪只的图像样本输入数据和体重样本结果数据进行训练后得到的。可见，本实施例提供的智能养猪限位测重方法，克服了现有方式中采用地磅进行测重的各种弊端(如费时费力、成本高、地秤损坏快、测量结果不准确尤其是驱赶测重导致的应激反应等)，实现了低成本、方便快捷、准确且无应激的测重，解决了传统养猪行业的痛点问题。

基于上述实施例的内容，在一种可选实施方式中，在所述步骤101之前，所述方法还包括：

步骤100：建立所述预设的限位体重测量模型。

在本实施方式中，所述智能养猪限位测重方法还包括了建立限位体重测量模型的过程。

基于上述实施例的内容，在一种可选实施方式中，所述步骤100包括：

步骤100a：准备训练样本数据；所述训练样本数据包括待进行智能限位测重的养猪场中指定限位栏内猪只的图像数据和体重数据；

步骤100b：基于准备的训练样本数据，基于机器学习的方法对初始限位体重测量模型进行训练，得到所述预设的限位体重测量模型。

在本实施方式中，在建立限位体重测量模型时，先准备训练样本数据，所述训练样本数据包括来自于同一养猪场中指定限位栏内猪只的图像数据和体重数据，这两种数据需要成对出现，也即一幅图像要对应采集该幅图像时猪只的重量信息，然后基于准备的训练样本数据，采用机器学习的方法对初始限位体重测量模型进行训练，直到精确度满足预设要求后得到所述预设的限位体重测量模型。

需要说明的是，这里在基于机器学习的方法对初始模型进行训练时，可以采用CNN或RNN进行模型学习和训练。

基于上述实施例的内容，在一种可选实施方式中，所述步骤100a包括：

定期采集所述待进行智能限位测重的养猪场内指定的若干个限位栏内猪只体重信息和图像信息，并将每次采集的猪只体重信息和图像信息组成数据对后进行成对存储；其中，限位栏内猪只的体重信息由安装在限位栏内与限位栏尺寸匹配的地秤获取(参见图2所示)；限位栏内猪只的图像信息由安装在限位栏正上方预设高度处的图像采集设备(图2中的视频采集设备)获取；其中，采集的猪只体重信息和图像信息需要涵盖猪只的不同生长阶段和各种生活姿态；

相应地，所述步骤100b包括：

将采集得到的猪只体重信息和图像信息的数据对中的图像信息作为输入，将相应数据对中的体重信息作为输出，基于机器学习的方法对初始限位体重测量模型进行训练，得到所述预设的限位体重测量模型。

在本实施方式中，上述步骤100实际上属于模型训练阶段，在该阶段，由于需要获取猪只的体重信息，因此需要在每一个限位栏内放置一台与限位栏尺寸基本一致的地秤。此外，由于还需要获取猪只的图像信息，因此需要在每一个限位栏的正上方约2米-2.4米高处安装数据采集设备。此外，还需要在猪场安装数据采集后台系统，用于存储采集到的数据。在模型训练阶段，采集猪只在不同生长阶段和不同生活姿态下的图像信息以及对应的体重信息，进而将这些较为完备的信息作为训练样本，对模型进行训练，从而可以得到预测效果较好的模型，进而在利用训练好的模型和实时采集的猪只图像进行猪只体重预测时，可以得到较为准确的预测结果。

需要说明的是，在模型训练阶段，主要目的是为了获取样本数据，进而进行模型训练，因此，不需要对待进行智能限位测重的养猪场中所有限位栏内的猪只进行图像和体重信息的采集，而是只需选择几个指定的限位栏进行设备安装和信息采集即可。

基于上述实施例的内容，在一种可选实施方式中，所述定期采集所述待进行智能限位测重的养猪场内指定的若干个限位栏内猪只体重信息和图像信息，并将每次采集的猪只体重信息和图像信息组成数据对后进行成对存储，包括：

当每次判断相应限位栏内的猪只处于稳定状态时，采集对应限位栏内猪只的体重信息和图像信息，并将每次采集的猪只体重信息和图像信息组成数据对后进行成对存储。

在本实施方式中，为提高训练样本的质量，同时也为了提高模型的预测准确度，当每次判断相应限位栏内的猪只处于稳定状态时，才会采集对应限位栏内猪只的体重信息和图像信息，以保证样本数据的质量。

需要说明的是，由于猪只处于走动状态时，会导致地秤晃动，进而使得测量结果不准确，甚至会产生10-20公斤的误差，因此，为保证样本数据的质量，同时也为了提高模型的预测准确度，在判断猪只处于稳定状态时，才采集猪只的体重信息和图像信息。

基于上述实施例的内容，在一种可选实施方式中，所述步骤101具体可通过下面方式实现：

利用安装在滑轨上的巡视机器人获取待进行智能限位测重的养猪场中每个限位栏内猪只的图像信息；其中，所述滑轨安装在养猪场限位栏的上方，所述巡视机器人在所述滑轨上来回滑动以获取每个限位栏内猪只的图像信息；所述滑轨的一端或两端安装有充电仓，用于为所述巡视机器人充电；其中，所述巡视机器人在所述滑轨上每滑动到一个限位栏的位置时，停下，采集对应限位栏内猪只的图像数据，当所述巡视机器人在所述滑轨上滑动结束后，回至安装在滑轨一端或两端的充电仓内充电。

在本实施方式中，上述步骤100的模型训练阶段结束后，进入了模型应用阶段，也即步骤101实际上属于模型应用阶段的内容。在模型应用阶段，将不再需要为限位栏安装地秤，而只需获取每个限位栏内猪只的图像信息，进而利用获取的图像信息以及训练好的模型即可获取相应限位栏内猪只的体重信息。

在本实施方式中，在模型应用阶段，由于需要获取养猪场内每个限位栏内猪只的图像信息，因此若在每个限位栏上方安装图像采集设备，不但操作起来较为麻烦，而且成本也高，因此，为解决该问题，参见图3，本实施方式利用安装在滑轨上的巡视机器人获取待进行智能限位测重的养猪场中每个限位栏内猪只的图像信息。其中，滑轨的一端或两端安装有充电仓(图3以一侧安装有充电仓为例进行说明，在实际应用时，根据需要可以在滑轨两侧均安装充电仓)，用于为所述巡视机器人充电，巡视机器人在控制器的控制下，在所述滑轨上每滑动到一个限位栏的位置时，停下，采集对应限位栏内猪只的图像数据，当所述巡视机器人在所述滑轨上滑动结束后，回至安装在滑轨一端或两端的充电仓内充电，以便进行下一次的滑动和图像采集。

基于上述实施例的内容，在一种可选实施方式中，所述巡视机器人在所述滑轨上来回滑动以获取每个限位栏内猪只的图像信息时，对于每个限位栏获取多张图像数据；

相应地，在所述步骤101之后以及所述步骤102之前，所述方法还包括：

步骤101’：对于每个限位栏获取的多张图像数据进行评价，选取质量最好的一张图像数据，并根据该张图像数据，采用预设的限位体重测量模型，获取对应限位栏内猪只的体重信息。

在本实施方式中，对每个限位栏多采集几张图像，然后从多张图像中选取质量较好的图像，作为模型的输入。这里质量较好的图像一方面指像素较高的图像，另一方面指拍摄角度较好的图像(覆盖猪只的主要驱干或关键部位)。

需要说明的是，训练模型的阶段可以理解为定制化阶段，在这个阶段，可以在指定的几个限位栏中的每一个限位栏内放置一台与限位栏尺寸基本一致的地秤，用于采集猪只体重信息；在指定的几个限位栏中的每一个限位栏的正上方约2米-2.4米高处安装数据采集设备，用于采集猪只的图像信息。需要说明的是，养猪场安装有数据采集后台系统，用于存储采集到的数据。其中每次采集到的图像信息都会自动匹配一个从地秤读取到的体重数据，形成数据对后上传至数据采集后台系统进行成对存储。

需要说明的是，在训练模型的阶段结束也即定制化阶段结束后，进入了模型应用阶段，也即进入了产品推广阶段，在这个阶段，为特定用户实施可推广的智能限位测重系统，该系统中重要的测重算法模型来自于定制化系统获取的数据以及训练并优化后得到的模型。在模型应用阶段，不需要再为限位栏安装地秤，只需在限位栏上方安装轨道，然后将轨道巡视机器人(即图3中的“采集车”)安装到滑轨上，在滑轨一侧或两侧安装无线充电仓(图3以在一侧安装充电仓为例进行介绍)，并将硬件设备接入远端云平台。工作时，轨道巡视机器人按照客户设置在云平台的工作策略，每天进行巡视，即沿滑轨进行滑动，每滑动到一个限位栏，停下，开始采集图像数据，然后将符合要求的数据传送至云端，轨道巡视机器人沿滑轨滑动完毕后，回至充电仓内进行充电，沿途采集到的所有合格的数据均已传至云端，云端对图像进行计算，得出每只猪只体重信息，返回至笔记本电脑、台式机、手机等客户端上，客户可实时得到每只猪的体重信息，还可获取每只猪一段时间内的增重曲线，系统还可为用户进行数据分析，评价猪只生长、饲喂水平，并对后续饲喂给出建议。

基于相同的发明构思，本发明另一实施例提供了一种智能养猪限位测重装置，参见图4，该装置包括：获取模块21和测重模块22，其中：

获取模块21，用于获取待进行智能限位测重的养猪场中每个限位栏内猪只的图像信息；

测重模块22，用于根据每个限位栏内猪只的图像信息，采用预设的限位体重测量模型，获取对应限位栏内猪只的体重信息；

其中，所述预设的限位体重测量模型是基于限位栏内猪只的图像样本输入数据和体重样本结果数据进行训练后得到的。

需要说明的是，本实施例提供的智能养猪限位测重装置可以用于执行上述实施例所述的智能养猪限位测重方法，其工作原理和技术效果类似，具体可参见上述实施例的描述，此处不再详述。

基于相同的发明构思，本发明又一实施例提供了一种电子设备，参见图5，所述电子设备具体包括如下内容：处理器501、存储器502、通信接口503和总线504；

其中，所述处理器501、存储器502和通信接口503通过所述总线504完成相互间的通信；所述通信接口503用于实现各建模软件及智能制造装备模块库等相关设备之间的信息传输；

所述处理器501用于调用所述存储器502中的计算机程序，所述处理器执行所述计算机程序时实现上述实施例一中的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：

步骤101：获取待进行智能限位测重的养猪场中每个限位栏内猪只的图像信息。

步骤102：根据每个限位栏内猪只的图像信息，采用预设的限位体重测量模型，获取对应限位栏内猪只的体重信息；

其中，所述预设的限位体重测量模型是基于限位栏内猪只的图像样本输入数据和体重样本结果数据进行训练后得到的。

基于相同的发明构思，本发明又一实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例一的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：

步骤101：获取待进行智能限位测重的养猪场中每个限位栏内猪只的图像信息。

步骤102：根据每个限位栏内猪只的图像信息，采用预设的限位体重测量模型，获取对应限位栏内猪只的体重信息；

其中，所述预设的限位体重测量模型是基于限位栏内猪只的图像样本输入数据和体重样本结果数据进行训练后得到的。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种智能养猪限位测重方法，其特征在于，包括：

S1、获取待进行智能限位测重的养猪场中每个限位栏内猪只的图像信息；其中，限位栏内猪只的图像信息为由安装在限位栏正上方预设高度处的图像采集设备获取的图像数据；

S2、根据每个限位栏内猪只的图像信息，采用预设的限位体重测量模型，获取对应限位栏内猪只的体重信息；

其中，所述预设的限位体重测量模型是基于限位栏内猪只的图像样本输入数据和体重样本结果数据进行训练后得到的；

在所述S1之前，所述方法还包括：

S0、建立所述预设的限位体重测量模型；

其中，所述S0包括：

S01、准备训练样本数据；所述训练样本数据包括待进行智能限位测重的养猪场中指定限位栏内猪只的图像数据和体重数据；

S02、基于准备的训练样本数据，基于机器学习的方法对初始限位体重测量模型进行训练，得到所述预设的限位体重测量模型；

其中，所述S01包括：

定期采集所述待进行智能限位测重的养猪场内指定的若干个限位栏内猪只体重信息和图像信息，并将每次采集的猪只体重信息和图像信息组成数据对后进行成对存储；其中，采集的猪只体重信息和图像信息需要涵盖猪只的不同生长阶段和各种生活姿态；

相应地，所述S02包括：

将采集得到的猪只体重信息和图像信息的数据对中的图像信息作为输入，将相应数据对中的体重信息作为输出，基于机器学习的方法对初始限位体重测量模型进行训练，得到所述预设的限位体重测量模型；其中，在基于机器学习的方法对初始限位体重测量模型进行训练时，采用CNN或RNN进行模型学习和训练。

2.根据权利要求1所述的方法，其特征在于，限位栏内猪只的体重信息由安装在限位栏内与限位栏尺寸匹配的地秤获取。

3.根据权利要求2所述的方法，其特征在于，所述定期采集所述待进行智能限位测重的养猪场内指定的若干个限位栏内猪只体重信息和图像信息，并将每次采集的猪只体重信息和图像信息组成数据对后进行成对存储，包括：

当每次判断相应限位栏内的猪只处于稳定状态时，采集对应限位栏内猪只的体重信息和图像信息，并将每次采集的猪只体重信息和图像信息组成数据对后进行成对存储。

4.根据权利要求1所述的方法，其特征在于，所述S1包括：

利用安装在滑轨上的巡视机器人获取待进行智能限位测重的养猪场中每个限位栏内猪只的图像信息；其中，所述滑轨安装在养猪场限位栏的上方，所述巡视机器人在所述滑轨上来回滑动以获取每个限位栏内猪只的图像信息；所述滑轨的一端或两端安装有充电仓，用于为所述巡视机器人充电；其中，所述巡视机器人在所述滑轨上每滑动到一个限位栏的位置时，停下，采集对应限位栏内猪只的图像数据，当所述巡视机器人在所述滑轨上滑动结束后，回至安装在滑轨一端或两端的充电仓内充电。

5.根据权利要求4所述的方法，其特征在于，所述巡视机器人在所述滑轨上来回滑动以获取每个限位栏内猪只的图像信息时，对于每个限位栏获取多张图像数据；

相应地，在所述S1之后以及所述S2之前，所述方法还包括：

对于每个限位栏获取的多张图像数据进行评价，选取质量最好的一张图像数据，并根据该张图像数据，采用预设的限位体重测量模型，获取对应限位栏内猪只的体重信息。

6.一种智能养猪限位测重装置，其特征在于，包括：

获取模块，用于获取待进行智能限位测重的养猪场中每个限位栏内猪只的图像信息；其中，限位栏内猪只的图像信息为由安装在限位栏正上方预设高度处的图像采集设备获取的图像数据；测重模块，用于根据每个限位栏内猪只的图像信息，采用预设的限位体重测量模型，获取对应限位栏内猪只的体重信息；

其中，所述预设的限位体重测量模型是基于限位栏内猪只的图像样本输入数据和体重样本结果数据进行训练后得到的；

其中，所述装置还包括：

模型建立模块，用于建立所述预设的限位体重测量模型；

其中，所述模型建立模块，具体用于：

S01、准备训练样本数据；所述训练样本数据包括待进行智能限位测重的养猪场中指定限位栏内猪只的图像数据和体重数据；

S02、基于准备的训练样本数据，基于机器学习的方法对初始限位体重测量模型进行训练，得到所述预设的限位体重测量模型；

其中，所述S01包括：

定期采集所述待进行智能限位测重的养猪场内指定的若干个限位栏内猪只体重信息和图像信息，并将每次采集的猪只体重信息和图像信息组成数据对后进行成对存储；其中，采集的猪只体重信息和图像信息需要涵盖猪只的不同生长阶段和各种生活姿态；

相应地，所述S02包括：

将采集得到的猪只体重信息和图像信息的数据对中的图像信息作为输入，将相应数据对中的体重信息作为输出，基于机器学习的方法对初始限位体重测量模型进行训练，得到所述预设的限位体重测量模型；其中，在基于机器学习的方法对初始限位体重测量模型进行训练时，采用CNN或RNN进行模型学习和训练。

7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述智能养猪限位测重方法的步骤。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至5任一项所述智能养猪限位测重方法的步骤。

Images