CN113344001A - 一种生物体估重方法、装置、设备及存储介质 - Google Patents
一种生物体估重方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113344001A CN113344001A CN202110752795.1A CN202110752795A CN113344001A CN 113344001 A CN113344001 A CN 113344001A CN 202110752795 A CN202110752795 A CN 202110752795A CN 113344001 A CN113344001 A CN 113344001A
- Authority
- CN
- China
- Prior art keywords
- weight
- target organism
- organism
- image data
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 92
- 238000012549 training Methods 0.000 claims abstract description 37
- 238000001914 filtration Methods 0.000 claims description 12
- 238000009499 grossing Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000005303 weighing Methods 0.000 description 5
- 241000282887 Suidae Species 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241000283690 Bos taurus Species 0.000 description 2
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000010752 BS 2869 Class D Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K29/00—Other apparatus for animal husbandry
- A01K29/005—Monitoring or measuring activity, e.g. detecting heat or mating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Environmental Sciences (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Biophysics (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Computing Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种生物体估重方法,该方法包括以下步骤:通过图像采集设备采集目标生物体的图像,获得目标生物体的图像数据;将目标生物体的图像数据输入到预先训练获得的估重模型中,通过估重模型对目标生物体的图像数据进行处理,得到处理结果;根据处理结果,确定目标生物体的重量。应用本申请所提供的技术方案,利用预先训练获得的估重模型对目标生物体的图像数据进行处理,可以减少人为判断对生物体的估重误差,获得生物体较为准确的重量。本申请还公开了一种生物体估重装置、设备及存储介质,具有相应技术效果。
Description
技术领域
本申请涉及计算机应用技术领域,特别是涉及一种生物体估重方法、装置、设备及存储介质。
背景技术
在养殖业中,很多情况下都需要获取养殖的猪、牛等生物体的重量。如在生产阶段,经常需要通过生物体的重量的变化情况来衡量生物体的健康状况及生产效率,在销售阶段,也需要获取生物体的重量,以在群体中准确、快速地挑选出满足指定体重范围要求的生物体。
目前,多是由饲养员凭借自身经验对生物体的重量进行预估。但这种方法依赖于饲养员自身经验的多少,存在的误差较大,无法准确获得生物体的重量。
发明内容
本申请的目的是提供一种生物体估重方法、装置、设备及存储介质,以减少对生物体的估重误差,获得生物体较为准确的重量。
为解决上述技术问题,本申请提供如下技术方案:
一种生物体估重方法,包括:
通过图像采集设备采集目标生物体的图像,获得所述目标生物体的图像数据;
将所述目标生物体的图像数据输入到预先训练获得的估重模型中,通过所述估重模型对所述目标生物体的图像数据进行处理,得到处理结果;
根据所述处理结果,确定所述目标生物体的重量。
在本申请的一种具体实施方式中,所述通过所述估重模型对所述目标生物体的图像数据进行处理,得到处理结果,包括:
通过所述估重模型对所述目标生物体的图像数据进行解析,获得点云数据;
对所述点云数据进行滤波平滑处理,并对进行滤波平滑处理后的所述点云数据进行聚类;
通过边界触碰判定,得到边界信息;
基于聚类后的所述点云数据和所述边界信息,投影得到深度图;
对所述深度图进行语义分割和特征提取;
基于提取到的特征计算所述目标生物体的重量,得到处理结果。
在本申请的一种具体实施方式中,所述提取到的特征包括面积、长宽比和肩臀比。
在本申请的一种具体实施方式中,所述通过图像采集设备采集目标生物体的图像,获得所述目标生物体的图像数据,包括:
通过图像采集设备以多角度采集目标生物体的图像,获得所述目标生物体的多个图像数据;
相应的,所述将所述目标生物体的图像数据输入到预先训练获得的估重模型中,通过所述估重模型对所述目标生物体的图像数据进行处理,得到处理结果,包括:
分别将所述目标生物体的每个图像数据输入到预先训练获得的估重模型中,通过所述估重模型对所述目标生物体的每个图像数据进行处理,得到对应的多个处理结果;
相应的,所述根据所述处理结果,确定所述目标生物体的重量,包括:
结合所述多个处理结果,确定所述目标生物体的重量。
在本申请的一种具体实施方式中,在所述根据所述处理结果,确定所述目标生物体的重量之后,还包括:
根据接收到的修正指令,对所述目标生物体的重量进行修正。
在本申请的一种具体实施方式中,在所述对所述目标生物体的重量进行修正之后,还包括:
将所述目标生物体的图像数据和修正后的重量加入到训练数据集中;
基于所述训练数据集,对所述估重模型进行训练。
在本申请的一种具体实施方式中,在所述确定所述目标生物体的重量之后,还包括:
输出显示所述目标生物体的重量;
或者,通过语音方式输出所述目标生物体的重量。
一种生物体估重装置,包括:
图像数据获得模块,用于通过图像采集设备采集目标生物体的图像,获得所述目标生物体的图像数据;
估重模型处理模块,用于将所述目标生物体的图像数据输入到预先训练获得的估重模型中,通过所述估重模型对所述目标生物体的图像数据进行处理,得到处理结果;
重量确定模块,用于根据所述处理结果,确定所述目标生物体的重量。
一种生物体估重设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现上述任一项所述的生物体估重方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的生物体估重方法的步骤。
应用本申请实施例所提供的技术方案,通过图像采集设备采集目标生物体的图像,获得目标生物体的图像数据后,将目标生物体的图像数据输入到估重模型中,通过估重模型对该图像数据进行处理,得到处理结果,并根据该处理结果,确定目标生物体的重量。利用预先训练获得的估重模型对目标生物体的图像数据进行处理,可以减少人为判断对生物体的估重误差,获得生物体较为准确的重量。
附图说明
为了更清楚地说明本申请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,下面描述中的附图仅仅是本申请的一些实施例,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为本申请实施例中一种生物体估重方法的实施流程图;
图2为本申请实施例中一种生物体估重系统的结构示意图;
图3为本申请实施例中一种生物体估重装置的结构示意图;
图4为本申请实施例中一种生物体估重设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面结合附图和具体实施方式对本申请作进一步的详细说明。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
参见图1所示,为本申请实施例所提供的一种生物体估重方法的实施流程图,该方法可以包括以下步骤:
S110:通过图像采集设备采集目标生物体的图像,获得目标生物体的图像数据。
在本申请实施例中,目标生物体可以是待进行估重的任意一个生物体,如猪、牛等。
通过图像采集设备可以对目标生物体进行拍照,采集目标生物体的图像,获得目标生物体的图像数据。图像采集设备具体可以是3D深度相机或其他常规相机。
S120:将目标生物体的图像数据输入到预先训练获得的估重模型中,通过估重模型对目标生物体的图像数据进行处理,得到处理结果。
在本申请实施例中,可以预先建立估重初始模型,并获取训练数据集。训练数据集可以包括多个生物体的图像数据和对应的体重数据,训练数据集中的生物体与目标生物体为同一类。基于训练数据集对估重初始模型进行训练,当精度达到设定阈值时,获得估重模型。
获得目标生物体的图像数据后,可以将目标生物体的图像数据输入到估重模型中,通过估重模型对目标生物体的图像数据进行处理,得到处理结果。
在本申请的一种具体实施方式中,该步骤可以包括以下步骤:
步骤一:通过估重模型对目标生物体的图像数据进行解析,获得点云数据;
步骤二:对点云数据进行滤波平滑处理,并对进行滤波平滑处理后的点云数据进行聚类;
步骤三:通过边界触碰判定,得到边界信息;
步骤四:基于聚类后的点云数据和边界信息,投影得到深度图;
步骤五:对深度图进行语义分割和特征提取;
步骤六:基于提取到的特征计算目标生物体的重量,得到处理结果。
为便于描述,将上述几个步骤结合起来进行说明。
将目标生物体的图像数据输入到估重模型中后,可以通过估重模型对目标生物体的图像数据进行解析,获得点云数据。点云是指目标表面特性的海量点集合。得到点云数据后,可以对点云数据进行滤波平滑处理。
在实际应用中,当点云数据密度不规则需要平滑时,因为遮挡等问题造成离群点需要去除时,存在大量数据需要下采样时,噪声数据需要去除时,可以对点云数据进行滤波平滑处理。
对点云数据进行滤波平滑处理后,进一步可以对进行滤波平滑处理后的点云数据进行聚类。聚类是指将物理或抽象对象的集合分成由类似的对象组成的多个类的过程,由聚类所生成的簇是一组数据对象的集合,这些对象与同一个簇中的对象彼此相似,与其他簇中的对象相异。再通过边界触碰判定,得到边界信息。基于聚类后的点云数据和边界信息,可以投影得到深度图。再对深度图进行语义分割和特征提取,可以提取到的特征包括面积、长宽比和肩臀比。语义分割是指将标签或类别与图片的每个像素关联的一种深度学习算法,用来识别构成可区分类别的像素集合。特征提取是指提取图像信息,决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集,这些子集往往属于孤立的点、连续的曲线或者连续的区域。从提取到的特征中筛选出有效数据,基于此计算目标生物体的重量,得到处理结果。具体的,可以基于提取到的特征和特征提取值,估算目标生物体的重量。
S130:根据处理结果,确定目标生物体的重量。
通过估重模型对目标生物体的图像数据进行处理,得到处理结果后,进一步可以根据处理结果,确定目标生物体的重量。具体的,可以直接将处理结果所指示的重量确定为目标生物体的重量。
应用本申请实施例所提供的方法,通过图像采集设备采集目标生物体的图像,获得目标生物体的图像数据后,将目标生物体的图像数据输入到估重模型中,通过估重模型对该图像数据进行处理,得到处理结果,并根据该处理结果,确定目标生物体的重量。利用预先训练获得的估重模型对目标生物体的图像数据进行处理,可以减少人为判断对生物体的估重误差,获得生物体较为准确的重量。
在本申请的一个实施例中,通过图像采集设备采集目标生物体的图像,获得目标生物体的图像数据,可以包括以下步骤:
通过图像采集设备以多角度采集目标生物体的图像,获得目标生物体的多个图像数据;
相应的,将目标生物体的图像数据输入到预先训练获得的估重模型中,通过估重模型对目标生物体的图像数据进行处理,得到处理结果,包括:
分别将目标生物体的每个图像数据输入到预先训练获得的估重模型中,通过估重模型对目标生物体的每个图像数据进行处理,得到对应的多个处理结果;
相应的,根据处理结果,确定目标生物体的重量,包括:
结合多个处理结果,确定目标生物体的重量。
在本申请实施例中,可以通过图像采集设备以多角度采集目标生物体的图像,获得目标生物体的多个图像数据。对目标生物体进行不同角度的图像采集,可以得到多个角度的图像数据。
分别将目标生物体的每个图像数据输入到估重模型中,通过估重模型对每个图像数据进行处理,可以得到对应的多个处理结果,每个处理结果指示有对应的重量数据。结合多个处理结果,可以确定目标生物体的重量。具体的,可以将多个处理结果指示的重量数据进行平均,将平均结果确定为目标生物体的重量。结合多个处理结果对目标生物体进行重量的估算,可以减少单一处理结果的误差,提高对目标生物体的估重准确性。
在本申请的一个实施例中,在根据处理结果,确定目标生物体的重量之后,该方法还可以包括以下步骤:
根据接收到的修正指令,对目标生物体的重量进行修正。
在本申请实施例中,在根据估重模型得到的处理结果,确定目标生物体的重量之后,可以对应存储目标生物体的图像数据和重量等信息。如果后续有对目标生物体实际称重操作,则用户可以根据实际称重结果对之前估重结果进行修正。根据接收到的修正指令,对目标生物体的重量进行修正,以获得目标生物体更准确的重量数据。
在对目标生物体的重量进行修正之后,还可以将目标生物体的图像数据和修正后的重量加入到训练数据集中,以对训练数据集进行扩充,并基于训练数据集,对估重模型进行训练,如重新训练或者增量训练等。以提高估重模型的精度和准确度。
在本申请的一个实施例中,在确定目标生物体的重量之后,该方法还可以包括以下步骤:
输出显示目标生物体的重量,或者,通过语音方式输出目标生物体的重量,以使用户能够及时获知目标生物体的重量。
对于每个待进行估重的生物体都可以利用本申请实施例所提供的技术方案进行估重处理。以猪养殖场景为例,得到每个猪只的重量后,可以统计分析出栏位内猪群的日增重情况、均匀度情况,反馈给智能饲喂系统与饲养员,可以对猪群进行日增长预测,以便及时调整饲喂策略、生产策略和饲料配比,提高饲喂效率。再有,通过统计栏位内单头猪只体重情况,通过各栏位猪只的体重分布,计算体重均匀度,可以及时发现掉队猪,调整整体栏位的饲养策略,保证栏内猪只健康。同时,通过准确估重,可以减少生猪销售过程中,因为估重产生的较大误差造成的经济损失。
如图2所示,为本申请实施例中生物体估重系统的结构示意图,该系统可以运行在手持式设备中,可以采用多核CPU(Central Processing Unit,中央处理器),如6核CPU作为核心控制器,控制器可以包含GPU(Graphics Processing Unit,图形处理器),用于估重模型运算分析,对3D深度相机采集的图像数据进行处理,并将处理结果显示于智能液晶屏上,最后可以通过以太网接口将采集并处理后的数据上传至后台服务器,以对生物体群的生长状态进行数据分析。
其中,该系统的主要构成如下:
3D深度相机,用于对目标生物体进行拍照,进行信息采集,获得目标生物体的图像数据,通过网络或者USB(Universal Serial Bus,通用串行总线)通信的方式将图像数据发送至CPU;
CPU,用于通过估重模型对目标生物体的图像数据进行处理,得到处理结果;
WIFI&蓝牙模块具有板载双频wifi功能和板载蓝牙功能,板载双频wifi功能,用于与后台服务器联网,进行数据交互;板载蓝牙功能,用于支持远程按键操作,实现通过自拍杆等设备远程操控相机拍照;
百兆以太网口,用于将采集并处理后的数据上传后台服务器;
D类功放,采用I2S(Inter-IC Sound,集成电路内置音频总线)接口,用于实现语音输出估重结果;
智能液晶,采用HDMI(High Definition Multimedia Interface,高清多媒体接口)高清显示接口,通过带缆连接显示对目标生物体的估重结果;
电源管理芯片,用于降低设备功耗,延长设备使用时间。
对于图2中所示该系统的其他构成,如接口、PHY(以太网物理层数据收发器)芯片、加密芯片等具有常规作用,不再赘述。
本申请实施例可以通过无接触拍照方式获得目标生物体的图像数据,利用估重模型对该图像数据进行处理,得到目标生物体的重量数据,操作简单,误差可控,相较于使用电子称称重的方式,减少了人力、物力、时间成本的消耗。
相应于上面的方法实施例,本申请实施例还提供了一种生物体估重装置,下文描述的生物体估重装置与上文描述的生物体估重方法可相互对应参照。
参见图3所示,该装置可以包括以下模块:
图像数据获得模块310,用于通过图像采集设备采集目标生物体的图像,获得目标生物体的图像数据;
估重模型处理模块320,用于将目标生物体的图像数据输入到预先训练获得的估重模型中,通过估重模型对目标生物体的图像数据进行处理,得到处理结果;
重量确定模块330,用于根据处理结果,确定目标生物体的重量。
应用本申请实施例所提供的装置,通过图像采集设备采集目标生物体的图像,获得目标生物体的图像数据后,将目标生物体的图像数据输入到估重模型中,通过估重模型对该图像数据进行处理,得到处理结果,并根据该处理结果,确定目标生物体的重量。利用预先训练获得的估重模型对目标生物体的图像数据进行处理,可以减少人为判断对生物体的估重误差,获得生物体较为准确的重量。
在本申请的一种具体实施方式中,估重模型处理模块320,用于:
通过估重模型对目标生物体的图像数据进行解析,获得点云数据;
对点云数据进行滤波平滑处理,并对进行滤波平滑处理后的点云数据进行聚类;
通过边界触碰判定,得到边界信息;
基于聚类后的点云数据和边界信息,投影得到深度图;
对深度图进行语义分割和特征提取;
基于提取到的特征计算目标生物体的重量,得到处理结果。
在本申请的一种具体实施方式中,提取到的特征包括面积、长宽比和肩臀比。
在本申请的一种具体实施方式中,图像数据获得模块310,用于:
通过图像采集设备以多角度采集目标生物体的图像,获得目标生物体的多个图像数据;
相应的,估重模型处理模块320,用于:
分别将目标生物体的每个图像数据输入到预先训练获得的估重模型中,通过估重模型对目标生物体的每个图像数据进行处理,得到对应的多个处理结果;
相应的,重量确定模块330,用于:
结合多个处理结果,确定目标生物体的重量。
在本申请的一种具体实施方式中,还包括重量修正模块,用于:
在根据处理结果,确定目标生物体的重量之后,根据接收到的修正指令,对目标生物体的重量进行修正。
在本申请的一种具体实施方式中,还包括模型训练模块,用于:
在对目标生物体的重量进行修正之后,将目标生物体的图像数据和修正后的重量加入到训练数据集中;
基于训练数据集,对估重模型进行训练。
在本申请的一种具体实施方式中,还包括重量输出模块,用于:
在确定目标生物体的重量之后,输出显示目标生物体的重量;
或者,通过语音方式输出目标生物体的重量。
相应于上面的方法实施例,本申请实施例还提供了一种生物体估重设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行计算机程序时实现上述生物体估重方法的步骤。
如图4所示,为生物体估重设备的组成结构示意图,生物体估重设备可以包括:处理器10、存储器11、通信接口12和通信总线13。处理器10、存储器11、通信接口12均通过通信总线13完成相互间的通信。
在本申请实施例中,处理器10可以为中央处理器(Central Processing Unit,CPU)、特定应用集成电路、数字信号处理器、现场可编程门阵列或者其他可编程逻辑器件等。
处理器10可以调用存储器11中存储的程序,具体的,处理器10可以执行生物体估重方法的实施例中的操作。
存储器11中用于存放一个或者一个以上程序,程序可以包括程序代码,程序代码包括计算机操作指令,在本申请实施例中,存储器11中至少存储有用于实现以下功能的程序:
通过图像采集设备采集目标生物体的图像,获得目标生物体的图像数据;
将目标生物体的图像数据输入到预先训练获得的估重模型中,通过估重模型对目标生物体的图像数据进行处理,得到处理结果;
根据处理结果,确定目标生物体的重量。
在一种可能的实现方式中,存储器11可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统,以及至少一个功能(比如图像处理功能、计算功能)所需的应用程序等;存储数据区可存储使用过程中所创建的数据,如图像数据、重量数据等。
此外,存储器11可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件或其他易失性固态存储器件。
通信接口12可以为通信模块的接口,用于与其他设备或者系统连接。
当然,需要说明的是,图4所示的结构并不构成对本申请实施例中生物体估重设备的限定,在实际应用中生物体估重设备可以包括比图4所示的更多或更少的部件,或者组合某些部件。
相应于上面的方法实施例,本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述生物体估重方法的步骤。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的技术方案及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
Claims (10)
1.一种生物体估重方法,其特征在于,包括:
通过图像采集设备采集目标生物体的图像,获得所述目标生物体的图像数据;
将所述目标生物体的图像数据输入到预先训练获得的估重模型中,通过所述估重模型对所述目标生物体的图像数据进行处理,得到处理结果;
根据所述处理结果,确定所述目标生物体的重量。
2.根据权利要求1所述的生物体估重方法,其特征在于,所述通过所述估重模型对所述目标生物体的图像数据进行处理,得到处理结果,包括:
通过所述估重模型对所述目标生物体的图像数据进行解析,获得点云数据;
对所述点云数据进行滤波平滑处理,并对进行滤波平滑处理后的所述点云数据进行聚类;
通过边界触碰判定,得到边界信息;
基于聚类后的所述点云数据和所述边界信息,投影得到深度图;
对所述深度图进行语义分割和特征提取;
基于提取到的特征计算所述目标生物体的重量,得到处理结果。
3.根据权利要求2所述的生物体估重方法,其特征在于,所述提取到的特征包括面积、长宽比和肩臀比。
4.根据权利要求1所述的生物体估重方法,其特征在于,所述通过图像采集设备采集目标生物体的图像,获得所述目标生物体的图像数据,包括:
通过图像采集设备以多角度采集目标生物体的图像,获得所述目标生物体的多个图像数据;
相应的,所述将所述目标生物体的图像数据输入到预先训练获得的估重模型中,通过所述估重模型对所述目标生物体的图像数据进行处理,得到处理结果,包括:
分别将所述目标生物体的每个图像数据输入到预先训练获得的估重模型中,通过所述估重模型对所述目标生物体的每个图像数据进行处理,得到对应的多个处理结果;
相应的,所述根据所述处理结果,确定所述目标生物体的重量,包括:
结合所述多个处理结果,确定所述目标生物体的重量。
5.根据权利要求1所述的生物体估重方法,其特征在于,在所述根据所述处理结果,确定所述目标生物体的重量之后,还包括:
根据接收到的修正指令,对所述目标生物体的重量进行修正。
6.根据权利要求5所述的生物体估重方法,其特征在于,在所述对所述目标生物体的重量进行修正之后,还包括:
将所述目标生物体的图像数据和修正后的重量加入到训练数据集中;
基于所述训练数据集,对所述估重模型进行训练。
7.根据权利要求1至6之中任一项所述的生物体估重方法,其特征在于,在所述确定所述目标生物体的重量之后,还包括:
输出显示所述目标生物体的重量;
或者,通过语音方式输出所述目标生物体的重量。
8.一种生物体估重装置,其特征在于,包括:
图像数据获得模块,用于通过图像采集设备采集目标生物体的图像,获得所述目标生物体的图像数据;
估重模型处理模块,用于将所述目标生物体的图像数据输入到预先训练获得的估重模型中,通过所述估重模型对所述目标生物体的图像数据进行处理,得到处理结果;
重量确定模块,用于根据所述处理结果,确定所述目标生物体的重量。
9.一种生物体估重设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至7任一项所述的生物体估重方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的生物体估重方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110752795.1A CN113344001A (zh) | 2021-07-02 | 2021-07-02 | 一种生物体估重方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110752795.1A CN113344001A (zh) | 2021-07-02 | 2021-07-02 | 一种生物体估重方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113344001A true CN113344001A (zh) | 2021-09-03 |
Family
ID=77482373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110752795.1A Pending CN113344001A (zh) | 2021-07-02 | 2021-07-02 | 一种生物体估重方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113344001A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114332196A (zh) * | 2021-12-10 | 2022-04-12 | 深圳致星科技有限公司 | 料件重量百分比的获取方法、设备、装置及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107180438A (zh) * | 2017-04-26 | 2017-09-19 | 清华大学 | 估计牦牛体尺、体重的方法和相应的便携式计算机装置 |
CN110672189A (zh) * | 2019-09-27 | 2020-01-10 | 北京海益同展信息科技有限公司 | 体重估计方法、装置、系统和存储介质 |
CN111178381A (zh) * | 2019-11-21 | 2020-05-19 | 北京海益同展信息科技有限公司 | 一种禽蛋估重、图像处理方法及装置 |
CN111243005A (zh) * | 2020-01-07 | 2020-06-05 | 洛阳语音云创新研究院 | 牲畜估重方法、装置、设备以及计算机可读存储介质 |
CN111539937A (zh) * | 2020-04-24 | 2020-08-14 | 北京海益同展信息科技有限公司 | 一种物体指标的检测方法、家畜重量的检测方法及装置 |
CN112184791A (zh) * | 2020-09-29 | 2021-01-05 | 成都希盟泰克科技发展有限公司 | 一种基于cnn-lstm神经网络的牦牛体重预测方法 |
-
2021
- 2021-07-02 CN CN202110752795.1A patent/CN113344001A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107180438A (zh) * | 2017-04-26 | 2017-09-19 | 清华大学 | 估计牦牛体尺、体重的方法和相应的便携式计算机装置 |
CN110672189A (zh) * | 2019-09-27 | 2020-01-10 | 北京海益同展信息科技有限公司 | 体重估计方法、装置、系统和存储介质 |
CN111178381A (zh) * | 2019-11-21 | 2020-05-19 | 北京海益同展信息科技有限公司 | 一种禽蛋估重、图像处理方法及装置 |
CN111243005A (zh) * | 2020-01-07 | 2020-06-05 | 洛阳语音云创新研究院 | 牲畜估重方法、装置、设备以及计算机可读存储介质 |
CN111539937A (zh) * | 2020-04-24 | 2020-08-14 | 北京海益同展信息科技有限公司 | 一种物体指标的检测方法、家畜重量的检测方法及装置 |
CN112184791A (zh) * | 2020-09-29 | 2021-01-05 | 成都希盟泰克科技发展有限公司 | 一种基于cnn-lstm神经网络的牦牛体重预测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114332196A (zh) * | 2021-12-10 | 2022-04-12 | 深圳致星科技有限公司 | 料件重量百分比的获取方法、设备、装置及存储介质 |
CN114332196B (zh) * | 2021-12-10 | 2024-04-09 | 深圳致星科技有限公司 | 料件重量百分比的获取方法、设备、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fernandes et al. | A novel automated system to acquire biometric and morphological measurements and predict body weight of pigs via 3D computer vision | |
CN110225366B (zh) | 视频数据处理及广告位确定方法、装置、介质及电子设备 | |
CN109784304B (zh) | 用于标注牙齿图像的方法和装置 | |
CN108337551A (zh) | 一种屏幕录制方法、存储介质及终端设备 | |
CN109977952B (zh) | 基于局部最大值的候选目标检测方法 | |
CN111639629B (zh) | 一种基于图像处理的猪只体重测量方法、装置及存储介质 | |
CN111667001B (zh) | 目标重识别方法、装置、计算机设备和存储介质 | |
CN109272543B (zh) | 用于生成模型的方法和装置 | |
CN111161314B (zh) | 目标对象的位置区域确定方法、装置、电子设备及存储介质 | |
CN109389096B (zh) | 检测方法和装置 | |
CN110827312A (zh) | 一种基于协同视觉注意力神经网络的学习方法 | |
CN113706472A (zh) | 公路路面病害检测方法、装置、设备及存储介质 | |
CN111914908A (zh) | 一种图像识别模型训练方法、图像识别方法及相关设备 | |
CN113505848A (zh) | 模型训练方法和装置 | |
CN116778309A (zh) | 残饵监测方法、装置、系统和存储介质 | |
CN113344001A (zh) | 一种生物体估重方法、装置、设备及存储介质 | |
CN109241930B (zh) | 用于处理眉部图像的方法和装置 | |
CN109359675A (zh) | 图像处理方法及设备 | |
CN113012144A (zh) | 一种肺部肿瘤的自动勾画方法、勾画系统、计算设备和存储介质 | |
CN110598732B (zh) | 一种基于图像识别的植物健康检测方法及装置 | |
CN109961060B (zh) | 用于生成人群密度信息的方法和装置 | |
CN108256451B (zh) | 用于检测人脸的方法和装置 | |
CN110019951B (zh) | 一种生成视频缩略图的方法及设备 | |
CN108921792B (zh) | 用于处理图片的方法和装置 | |
WO2021130893A1 (ja) | 移動速度推定装置、給餌判定装置、移動速度推定システム、給餌制御システム、移動速度推定方法、及び、移動速度推定プログラムが格納された記録媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210903 |