CN113984767A - 牲畜胴体品质检测的系统、方法、设备和计算机存储介质 - Google Patents
牲畜胴体品质检测的系统、方法、设备和计算机存储介质 Download PDFInfo
- Publication number
- CN113984767A CN113984767A CN202111405199.2A CN202111405199A CN113984767A CN 113984767 A CN113984767 A CN 113984767A CN 202111405199 A CN202111405199 A CN 202111405199A CN 113984767 A CN113984767 A CN 113984767A
- Authority
- CN
- China
- Prior art keywords
- livestock
- quality
- carcass
- image
- detection
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 106
- 244000144972 livestock Species 0.000 title claims abstract description 90
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000004364 calculation method Methods 0.000 claims abstract description 40
- 230000008569 process Effects 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims description 21
- 238000013145 classification model Methods 0.000 claims description 18
- 230000011218 segmentation Effects 0.000 claims description 10
- 239000002699 waste material Substances 0.000 claims description 9
- 239000010868 animal carcass Substances 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000003908 quality control method Methods 0.000 abstract description 8
- 238000013135 deep learning Methods 0.000 abstract 1
- 238000004519 manufacturing process Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 11
- 206010023126 Jaundice Diseases 0.000 description 8
- 238000012937 correction Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 239000004519 grease Substances 0.000 description 6
- 208000008423 pleurisy Diseases 0.000 description 6
- 230000004044 response Effects 0.000 description 5
- 206010037888 Rash pustular Diseases 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 208000029561 pustule Diseases 0.000 description 4
- 210000001835 viscera Anatomy 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 241000282887 Suidae Species 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 206010015150 Erythema Diseases 0.000 description 2
- 208000036119 Frailty Diseases 0.000 description 2
- 208000025865 Ulcer Diseases 0.000 description 2
- 206010003549 asthenia Diseases 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 231100000321 erythema Toxicity 0.000 description 2
- 239000003925 fat Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 235000013622 meat product Nutrition 0.000 description 2
- 238000003307 slaughter Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000036269 ulceration Effects 0.000 description 2
- 230000009278 visceral effect Effects 0.000 description 2
- 208000004929 Facial Paralysis Diseases 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 208000036826 VIIth nerve paralysis Diseases 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 210000000232 gallbladder Anatomy 0.000 description 1
- 210000000003 hoof Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
Abstract
本发明公开了一种用于牲畜胴体品质检测的检测系统、方法、设备和计算机可读存储介质。其中,所述检测系统包括:采集模块,其配置用于对所述牲畜胴体进行图像采集;计算模块,其配置用于对所述采集模块获取的图像进行分析处理,以便获取所述牲畜胴体的品质信息;执行模块,其配置用于根据所述计算模块获取的所述牲畜胴体的品质信息来对所述牲畜胴体进行相应操作;以及控制模块,其配置用于对所述检测系统进行控制与管理。本发明的检测系统将图像处理算法应用到牲畜胴体品质检测的过程中,通过多种深度学习算法模型相结合进而完成对多种类型的牲畜胴体进行精细化品质判定,从而提高了胴体品控水平和企业的生产效率。
Description
技术领域
本发明一般地涉及牲畜屠宰领域。更具体地,本发明涉及一种用于牲畜胴体品质检测的检测系统、方法、检测设备和计算机可读存储介质。
背景技术
在牲畜(尤其是生猪)屠宰的过程中,由于对牲畜屠宰后的胴体的处理将形成种类繁多的产品,因此需要对胴体进行品质控制分类,以便对不同胴体的品质分别做相应的处理。目前,在牲畜胴体的品控领域仍然是以人工劳作为主,其自动化和智能化的程度仍然较低。基于此,在牲畜胴体品控环节需要安排大量人工对胴体进行品控分级,这对人力资源是一种浪费。另外,由于人工品控分级主要依靠人的主观判断,因此导致品控标准不统一,进而胴体品控整体质量和效率都不一致,从而造成后期产品的质量参差不齐。
进一步地,虽然目前有少量的胴体智能化定级设备,但是其主要是针对禽类胴体,而针对畜类胴体的方法则较少,而且在这些方法中对畜类胴体品质进行定级的方法所使用的算法模型单一,这导致了一种模型所能判定的胴体状况类别较少,其最终评定的胴体等级也较少。因此对于客观存在的各种状况的胴体而言,现有的单一分类模型无法对胴体进行全面和精准地评估,从而不能适应人们对牲畜肉制品多样化的需求。
发明内容
为解决上述背景技术中的一个或多个问题,本发明提供了一种用于牲畜胴体品质检测的检测系统。该检测系统通过将采集到的牲畜胴体的影像数据传送到计算模块中以便进行分析处理,进而得出牲畜胴体的品质等级信息,并根据牲畜胴体的品质等级信息对该胴体进行相应的处理,从而实现了对牲畜胴体的无人化自动处理过程。
具体地,一方面本发明公开了一种用于牲畜胴体品质检测的检测系统。该检测系统包括:采集模块,其配置用于对所述牲畜胴体进行图像采集;计算模块,其配置用于对所述采集模块获取的图像进行分析处理,以便获取所述牲畜胴体的品质信息;执行模块,其配置用于根据所述计算模块获取的所述牲畜胴体的品质信息来对所述牲畜胴体进行相应操作;以及控制模块,其配置用于对所述检测系统进行控制与管理。
在一个实施例中,所述采集模块包括传感器和一种或多种图像获取设备,以便用于感知所述牲畜胴体并进行所述图像采集。
在另一个实施例中,在对所述图像进行分析处理的过程中,所述计算模块用于执行:图像预处理的过程;对所述图像预处理的结果进行算法检测胴体的胴体品质的过程;以及对所述图像预处理的结果进行算法检测胴体特征的过程;以及对所述算法检测的结果进行分析处理,以便获取所述牲畜胴体的品质信息的过程。
在又一个实施例中,在所述图像预处理的过程中,所述计算模块用于执行:对图像目标区进行裁剪;以及对所述裁剪后的图像进行归一化处理。
在一个实施例中,在所述对所述图像预处理的结果进行算法检测胴体特征的过程中,所述计算模块用于执行:基于一种或多种开源项目构建分类模型;基于另外的一种或多种开源项目构建目标检测模型或实例分割模型;以及将所述图像预处理的结果分别传入所述分类模型和目标检测或分别传入所述分类模型和实例分割模型,对所述图像进行全局特征和局部特征的分析。
在另一个实施例中,所述牲畜胴体的品质信息至少包括所述牲畜胴体的品质等级为:优质、存在小瑕疵、存在大瑕疵和废品。
在又一个实施例中,所述控制模块对所述检测系统进行控制与管理包括所述控制模块执行:将所述采集模块、计算模块和/或执行模块操作的结果显示给用户,以便用户进行查询和修改;以及将用户调整的数据发送给所述采集模块、计算模块和/或执行模块。
另一方面,本发明还公开了一种对牲畜胴体品质进行检测的方法。该方法包括:采集所述牲畜胴体的图像信息;对所述图像信息进行分析处理,以便获取所述牲畜胴体的品质信息;以及根据所述牲畜胴体的品质信息来对所述牲畜胴体进行相应操作。
又一方面,本发明还公开了一种用于牲畜胴体品质检测的检测设备。该设备包括:处理器;以及存储器,其存储用于牲畜胴体品质检测的程序指令,当所述程序指令由所述处理器来执行时,使得所述检测设备完成对所述牲畜胴体的品质检测。
另一方面,本发明还公开了一种计算机可读存储介质。该介质包括用于对牲畜胴体品质进行检测的计算机程序指令,当所述计算机程序指令由一个或多个处理器来执行时,使得其实现前述的方法。
基于上述的实施例可以看出,由于本发明的检测系统在对牲畜胴体进行品质判定的过程中采取了基于多种开源项目分别构建分类模型、检测模型或实例分割模型等多种模型,因此使得本检测系统能够针对各种不同状况的牲畜胴体进行检测,从而提高了胴体品控的质量和效率。进一步地,本检测系统对牲畜胴体质量的判定等级做了精细划分,并且针对不同质量等级的胴体通过执行模块分别进行了针对性的处理,从而适应了当前人们对牲畜肉制品多样化的需求。另外,本发明的检测系统还具有协议编写完善、控制过程简单并且硬件成本较低等优点。
附图说明
通过参考附图阅读下文的详细描述,可以更好地理解本发明的上述特征,并且其众多目的、特征和优点对于本领域技术人员而言是显而易见的。下面描述中的附图仅仅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,还可根据这些附图获得其他的附图,其中:
图1是示出根据本发明实施例的检测系统的组成原理框图;
图2是示出根据本发明实施例的对牲畜胴体品质进行检测的方法的流程图;
图3是示出根据本发明实施例的对牲畜胴体品质进行检测的方法的详细流程图;以及
图4是示出根据本发明实施例的用于牲畜胴体品质检测的检测设备的系统示意框图。
具体实施方式
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、完整地描述。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,本领域技术人员在没有做出创造性劳动的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。
图1是示出根据本发明实施例的检测系统100的组成原理框图。为了便于理解本发明的方案,下面以生猪胴体的品质检测为例对本发明的检测系统100进行原理和功能描述。
如图1所示,本发明的检测系统100可以包括采集模块101、计算模块102、执行模块103和控制模块104。进一步地,所述采集模块配置用于对所述牲畜胴体进行图像采集。根据上述功能,采集模块可以包括传感器和一种或多种图像获取设备,以便用于感知所述牲畜胴体并进行图像采集。具体地,当生猪胴体通过传送装置移动到传感器的感知范围时,传感器将生猪胴体经过的信息转换成电信号,并由此触发图像获取设备工作。进一步地,图像获取设备可以是拍摄装置,例如其可以是可见光相机、红外、超声、CT、X光等多种方式。优选地,可以在生猪胴体的前后位置均布置有至少一个拍摄装置。当拍摄装置接收到传感器传送来的电信号之后,其开始对生猪胴体进行拍照或者拍摄,并将获取的影像信息传送给计算模块。
在一个实施例中,所述计算模块可以由具有分析、计算和判断功能的芯片构成,其配置用于对上述的采集模块获取的图像进行分析处理,以便获取所述牲畜胴体的品质信息。具体地,计算模块在对图像进行分析处理的过程中,首先执行图像预处理的过程。在这个过程中,计算模块对图像目标区进行裁剪,以便剔除无关区域,在一个实施例中,所采取的裁剪例如可以是通过固定矩形框尺寸进行裁剪。接着,在裁剪工作结束后,计算模块对裁剪后的图像进行归一化处理。
在预处理过程结束后,计算模块开始对预处理的结果采取相关算法来获取生猪胴体的特征信息。具体地,在这个过程中,首先计算模块基于一种或多种开源项目构建分类模型。在一个实施例中,例如计算模块可以基于WSDAN开源项目,使用预先标注的胴体品质数据集来进行训练,从而获得可以判断胴体品质的分类模型,同时该模型还可以检测胴体带蹄或不带蹄、白条或皮条,以满足不同客户的需求。需要说明的是,此处算法可以使用包括但不限于InceptionNet系列、ResNet系列和DenseNet系列等多种开源项目中的任意一种来构建分类模型。
接着,计算模块基于另外的一种或多种开源项目构建目标检测模型或实例分割模型。在一个实施例中,例如计算模块可以基于YOLOv5开源项目,使用预先标注的胴体品质数据集进行训练,从而获得可以检测胴体状况的YOLOv5目标检测模型。需要说明的是,此处算法可使用包括但不限于SSD系列、YOLO系列和RCNN系列等多种开源项目的任意一种构建目标检测或实例分割模型。
最终,计算模块将前述图像预处理的结果分别传入上述的分类模型和目标检测或分别传入所述分类模型和实例分割模型,以便进行图像全局特征和局部特征的分析,从而获取生猪胴体的特征信息。进一步地,分类模型负责判断全局特征,例如其可以判断生猪胴体是否存在断腿、劈歪、胸膜炎、黄脂、黄疸和内脏残留等特征。相应地,目标检测模型负责判断局部特征,例如其可以判断生猪胴体是否存在淤血、鞭伤、红斑、胆污和表面溃烂等特征。
在获取生猪胴体的特征信息之后,接下来计算模块开始对算法检测所获取的这些特征信息进行分析处理,以便获取生猪胴体的品质信息。在一个实施例中,所述牲畜胴体的品质信息至少包括牲畜胴体的品质等级为:优质、存在小瑕疵、存在大瑕疵和废品等。具体地,当判定结果中包含黄疸和黄脂两种特征时,则该胴体的品质将直接被标记为废猪;当判定结果中不包含黄疸和黄脂但包含断腿、劈歪、胸膜炎、内脏残留和脓包特征时,则该胴体的品质直接标记为存在大瑕疵;当判定结果中不包含黄疸、黄脂、断腿、劈歪、胸膜炎、内脏残留和脓包但包含其余特征时,则需要根据目标检测结果的检测框范围的大小进行判定,当其检测框大小小于预设阈值时,则该胴体的品质判定为存在小瑕疵,相反地,当检测框大于预设阈值时,则该将胴体的品质判定为存在大瑕疵;如果生猪胴体不存在任何问题,则该胴体的品质判定为优质。
在一个实施例中,所述执行模块配置用于根据上述计算模块获取的牲畜胴体的品质信息来对其进行相应操作。具体地,执行模块对于品质判定为优质等级的生猪胴体,不做盖章操作,可以直接发货;对于品质判定为存在小瑕疵等级的生猪胴体,执行盖章操作并将其发送至修正工位以便对胴体的瑕疵点进行修整后发货;对于品质判定为存在大瑕疵等级的生猪胴体,执行盖章操作并将其发送至分割间以便进行分割处理;对于品质判定为废品等级的生猪胴体,执行盖章操作并将其发送至无害化车间进行销毁。
在另一个实施例中,所述控制模块可以由具有控制、分析、计算和判断功能的芯片构成,并且配置用于对本发明的检测系统进行控制与管理。具体地,控制模块可以将采集模块、计算模块和/或执行模块操作的结果显示给用户,以便用户进行查看和修改。另外,控制模块还可以将用户调整的数据发送给所述采集模块、计算模块和/或执行模块。
进一步地,所述控制模块可以是可视化形式的模块,例如其可以是具有声音功能和可操作界面的显示屏,以便将前述采集模块采集到的图像信息展现给用户查看,当用户观察到图像信息未达到拍摄要求时,可以对拍摄参数进行调整,并将调整值发送给采集模块。与此相同,上述的计算模块所获取的检测结果和判定结果也可以在该显示屏以语音和/或图像的形式进行展示,用户也可以根据所展示的信息对计算模块的相关参数进行调整,直至达到预期效果。另外,控制模块还可以对本发明的检测系统进行功能设定、系统控制和对判断结果进行人工修正,并将人工修正的结果反馈给执行模块,从而令执行模块可以按照人为修正的方式来对生猪胴体进行处理。
图2是示出根据本发明实施例的对牲畜胴体品质进行检测的方法200的流程图。
如图2所示,本发明还公开了一种对牲畜胴体品质进行检测的方法200。该方法200开始于步骤S201,在该步骤处,由采集模块采集牲畜胴体的图像信息。进一步地,上述采集图像信息的过程,详见图1中关于采集模块功能的描述,此处不再赘述。接着,在步骤S202处,由计算模块对采集模块获取的图像信息进行分析处理,以便获取所述牲畜胴体的品质信息。进一步地,上述对图像信息进行分析处理的过程,详见图1中关于计算模块功能的描述,此处不再赘述。最后,方法200终止与步骤S203,在该步骤处,执行模块根据牲畜胴体的品质信息来对其进行相应操作。进一步地,上述对牲畜胴体进行相应操作的过程,详见图1中关于执行模块功能的描述,此处不再赘述。
在一个实施例中,所述方法200还可以包括由控制模块对上述的三个步骤(即S201、S202和S203)进行控制和管理,其中控制模块可以由具有控制、分析、计算和判断功能的芯片构成。具体地,控制模块可以是可视化形式的模块,例如其可以是具有声音功能和可操作界面的显示屏。进一步地,控制模块可以将步骤S201处采集到的图像信息展现给用户查看,当用户观察到图像信息未达到拍摄要求时,可以对拍摄参数进行调整,并将调整值反馈回步骤S201。与此相似地,控制模块还可以将步骤S202处所获得的检测结果和判定结果以语音或图像的形式显示在显示屏上,进而用户可以根据所显示的信息对计算模块的相关参数进行调整,并将调整的参数反馈回步骤S202,直至达到预期效果。另外,控制模块还可以对本发明的检测系统进行功能设定、系统控制和对判定结果进行人工修正,并将人工修正的结果反馈回步骤S203,从而令执行模块可以按照人为修正的方式来对生猪胴体进行处理。
图3是示出根据本发明实施例的对牲畜胴体品质进行检测的方法300的详细流程图。可以理解的是,图3是图2的进一步细化流程图,其中步骤S310、S320和S330分别对应于图2中的S201、S202和S203,因此图2中关于方法200描述的细节同样也适用于图3中关于方法300的描述。
如图3所示,本发明的对牲畜胴体品质进行检测的方法300开始于步骤S311,在该步骤处,传感器感知牲畜胴体。具体地,当生猪胴体通过传送装置移动到传感器的感知范围时,传感器将生猪胴体经过的信息转换成电信号。接着,在步骤S312处,方法300通过图像获取设备获取牲畜胴体的图像信息。具体地,该图像获取设备例如可以是可见光相机、红外、超声、CT、X光等多种方式,其接收到传感器的传送来的电信号后被触发,接着开始对生猪胴体进行拍照或者拍摄,从而获取到牲畜胴体的图像信息。
接下来,方法300前进到步骤S321。在此步骤处,方法300执行图像预处理的过程。具体地,该过程可以由计算模块对步骤S312处所获取的图像的目标区进行裁剪,以便剔除无关区域。在一个实施例中,所采取的裁剪例如可以是通过固定矩形框尺寸进行裁剪。在裁剪工作结束后,计算模块对裁剪后的图像进行归一化处理,从而完成对图像的预处理过程。
在预处理过程结束后,方法300执行步骤S322,在该步骤处,可以由计算模块对步骤S321处理的结果采取相关算法来获得生猪胴体的特征信息。具体地,在这个过程中,首先计算模块基于一种或多种开源项目构建分类模型。接着,计算模块基于另外的一种或多种开源项目构建目标检测模型或实例分割模型。最终,计算模块将前述图像预处理的结果分别传入上述的分类模型和目标检测或分别传入所述分类模型和实例分割模型,以便进行图像全局特征和局部特征的分析,从而获取生猪胴体的特征信息。在一个实施例中,上述的特征信息包括但不限于:断腿、劈歪、淤血、胸膜炎、内脏残留、鞭伤、红斑、胆污、表面溃烂、黄脂和黄疸等。进一步地,步骤S321的更多细节详见图1中关于计算模块的描述,此处不再赘述。
接下来,方法300执行步骤S323。在该步骤处,执行对上一步骤S322所获取的胴体特征信息进行分析处理,从而获取生猪胴体的品质信息。在一个实施例中,所述牲畜胴体的品质信息至少包括牲畜胴体的品质等级为:优质、存在小瑕疵、存在大瑕疵和废品等。具体地,当生猪胴体特征的判定结果中包含黄疸和黄脂两种情况时,则该胴体品质将直接被标记为废猪;当生猪胴体特征的判定结果中不包含黄疸和黄脂但包含断腿、劈歪、胸膜炎、内脏残留和脓包时,则该胴体品质直接标记为存在大瑕疵;当生猪胴体特征的判定结果中不包含黄疸、黄脂、断腿、劈歪、胸膜炎、内脏残留和脓包但包含其余情况时,则根据目标检测结果的检测框范围的大小进行判定,当其检测框大小小于预设阈值时,则该胴体品质判定为存在小瑕疵,相反地,当检测框大于预设阈值,则该胴体品质判定为存在大瑕疵;如果生猪胴体不存在任何问题,则该胴体品质判定为优质。
进一步地,在获取到生猪胴体的品质信息之后,方法300终止于步骤S330。在该步骤处,执行对不同品质等级的生猪胴体进行不同的处理,其可以进一步包括4个分步骤。在分步骤S331处,方法300执行对于品质判定为优质等级的生猪胴体,不做盖章操作,可以直接发货;在分步骤S332处,对于品质判定为存在小瑕疵等级的生猪胴体,执行盖章操作并将其发送至修正工位以便对胴体的瑕疵点进行修整后发货;在分步骤S333处,对于品质判定为存在大瑕疵等级的生猪胴体,执行盖章操作并将其发送至分割间以便进行分割处理;在分步骤S334处,对于品质判定为废品等级的生猪胴体,执行盖章操作并将其发送至无害化车间进行销毁。
在一个实施例中,本发明还公开了一种用于牲畜胴体品质检测的检测设备。该设备可以包括:处理器和存储器,其中存储器存储用于牲畜胴体品质检测的程序指令,当所述程序指令由处理器来执行时,使得所述检测设备完成对牲畜胴体的品质检测。下面针对该检测设备进行详细地描述。
图4是示出根据本发明实施例的用于牲畜胴体品质检测的检测设备的系统400的示意框图。为了更好地展示本发明的检测设备401的工作环境。图4中的系统400还可以包括外围设备和外部网络,其中检测设备401用于对牲畜胴体进行图像采集和处理,并对处理后的图像信息进行分析,从而根据分析结果对不同状况的胴体进行相应处理。
如图4中所示,本发明的用于牲畜胴体品质检测的检测设备401可以包括CPU4011,其可以是通用CPU、专用CPU或者其他信息处理以及程序运行的执行单元。进一步,检测设备401还可以包括大容量存储器4012和只读存储器ROM 4013,其中大容量存储器可以配置用于存储各类数据。在本发明中,包括预先标注的胴体品质数据集或者本发明使用到的各种算法模型的相关数据等。另外,ROM可以配置成存储对检测设备进行加电自检、系统中各功能模块的初始化、系统的基本输入/输出的驱动程序及引导操作系统所需的数据。
进一步,检测设备401还可以包括其他的硬件平台或组件,例如图4中示出的张量处理单元(TPU)4014、图像处理单元(GPU)4015、现场可编程门阵列(FPGA)4016和机器学习单元(MLU)4017。可以理解的是,尽管在用于牲畜胴体品质检测的检测设备401中示出了多种硬件平台或组件,但这里仅仅是示例性的而非限制性的,本领域技术人员可以根据实际需要增加或移除相应的硬件。例如,用于牲畜胴体品质检测的检测设备401可以仅包括CPU。
本发明的用于牲畜胴体品质检测的检测设备401还可以包括通信接口4018,从而可以通过该通信接口4018连接到局域网/无线局域网(LAN/WLAN)405,进而可以通过LAN/WLAN连接到本地服务器406或连接到因特网(“Internet”)407。替代地或附加地,本发明的检测设备401还可以通过通信接口基于无线通信技术直接连接到因特网或蜂窝网络,例如基于第三代(“3G”)、第四代(“4G”)或第5代(“5G”)的无线通信技术。在一些应用场景中,本发明的检测设备401还可以根据需要访问外部网络的服务器408以及可能的数据库409,以便获得各种已知的可以是例如本发明的神经网络模型、开源计算机视觉库、Yolact实例分割网络,并且可以远程地存储测量的各种数据。
进一步地,检测设备401的外围设备可以包括显示装置402、输入装置403以及数据传输接口404。在一个实施例中,显示装置402可以例如包括一个或多个扬声器和/或一个或多个视觉显示器,其配置用于对本发明的检测设备的运算过程或者最终结果进行语音提示和/或图像视频显示。输入装置可以包括例如键盘、鼠标、麦克风、姿势捕捉相机,或其他输入按钮或控件,其配置用于接收采集数据的输入或用户指令。
数据传输接口可以包括例如串行接口、并行接口或通用串行总线接口(“USB”)、小型计算机系统接口(“SCSI”)、串行ATA、火线(“FireWire”)、PCI Express和高清多媒体接口(“HDMI”)等,其配置用于与其他设备或系统的数据传输和交互。根据本发明的方案,该数据传输接口可以接收经三维相机或三维成像原理采集的生猪胴体图像数据。本发明的检测设备的上述CPU、大容量存储器、只读存储器ROM、TPU、GPU、FPGA、MLU和通信接口可以通过总线4019相互连接,并且通过该总线与外围设备实现数据交互。在一个实施例中,通过该总线,CPU可以控制检测设备401中的其他硬件组件及其外围设备。
在另一个实施例中,本发明还公开了一种计算机可读存储介质,其可以包括用于对牲畜胴体品质进行检测的计算机程序指令,当所述计算机程序指令由一个或多个处理器来执行时,使得其实现前述的用于牲畜胴体品质检测的方法。
基于上文的描述,可以理解的是本发明的牲畜胴体品质检测系统较好地克服了现有技术中不能对多种状态的胴体进行精准品质检测的问题。另外,该检测系统还具有设计精巧、结构相对简单、成本较低、响应速度快以及性能稳定可靠等优点。
应当理解,当本发明的权利要求、说明书及附图使用术语“第一”、“第二”、“第三”和“第四”等时,其仅是用于区别不同对象,而不是用于描述特定顺序。本发明的说明书和权利要求书中使用的术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的,而并不意在限定本发明。如在本发明说明书和权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解,在本发明说明书和权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
虽然本发明的实施方式如上,但所述内容只是为便于理解本发明而采用的实施例,并非用以限定本发明的范围和应用场景。任何本发明所述技术领域内的技术人员,在不脱离本发明所揭露的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (10)
1.一种用于牲畜胴体品质检测的检测系统,包括:
采集模块,其配置用于对所述牲畜胴体进行图像采集;
计算模块,其配置用于对所述采集模块获取的图像进行分析处理,以便获取所述牲畜胴体的品质信息;
执行模块,其配置用于根据所述计算模块获取的所述牲畜胴体的品质信息来对所述牲畜胴体进行相应操作;以及
控制模块,其配置用于对所述检测系统进行控制与管理。
2.根据权利要求1所述的检测系统,其中所述采集模块包括传感器和一种或多种图像获取设备,以便用于感知所述牲畜胴体并进行所述图像采集。
3.根据权利要求1所述的检测系统,其中在对所述图像进行分析处理的过程中,所述计算模块用于执行:
图像预处理的过程;
对所述图像预处理的结果进行算法检测胴体特征的过程;以及
对所述算法检测的结果进行分析处理,以便获取所述牲畜胴体的品质信息的过程。
4.根据权利要求3所述的检测系统,其中在所述图像预处理的过程中,所述计算模块用于执行:
对图像目标区进行裁剪;以及
对所述裁剪后的图像进行归一化处理。
5.根据权利要求3所述的检测系统,其中在所述对所述图像预处理的结果进行算法检测胴体特征的过程中,所述计算模块用于执行:
基于一种或多种开源项目构建分类模型;
基于另外的一种或多种开源项目构建目标检测模型或实例分割模型;以及
将所述图像预处理的结果分别传入所述分类模型和目标检测或分别传入所述分类模型和实例分割模型,以便对所述图像进行全局特征和局部特征的分析。
6.根据权利要求1所述的检测系统,其中所述牲畜胴体的品质信息至少包括所述牲畜胴体的品质等级为:优质、存在小瑕疵、存在大瑕疵和废品。
7.根据权利要求1所述的检测系统,其中所述控制模块对所述检测系统进行控制与管理包括所述控制模块执行:
将所述采集模块、计算模块和/或执行模块操作的结果显示给用户,以便用户进行查询和修改;以及
将用户调整的数据发送给所述采集模块、计算模块和/或执行模块。
8.一种对牲畜胴体品质进行检测的方法,包括:
采集所述牲畜胴体的图像信息;
对所述图像信息进行分析处理,以便获取所述牲畜胴体的品质信息;以及
根据所述牲畜胴体的品质信息来对所述牲畜胴体进行相应操作。
9.一种用于牲畜胴体品质检测的检测设备,包括:
处理器;以及
存储器,其存储用于牲畜胴体品质检测的程序指令,当所述程序指令由所述处理器来执行时,使得所述检测设备完成对所述牲畜胴体的品质检测。
10.一种计算机可读存储介质,其包括用于对牲畜胴体品质进行检测的计算机程序指令,当所述计算机程序指令由一个或多个处理器来执行时,使得其实现根据权利要求8所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111405199.2A CN113984767A (zh) | 2021-11-24 | 2021-11-24 | 牲畜胴体品质检测的系统、方法、设备和计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111405199.2A CN113984767A (zh) | 2021-11-24 | 2021-11-24 | 牲畜胴体品质检测的系统、方法、设备和计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113984767A true CN113984767A (zh) | 2022-01-28 |
Family
ID=79750310
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111405199.2A Pending CN113984767A (zh) | 2021-11-24 | 2021-11-24 | 牲畜胴体品质检测的系统、方法、设备和计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113984767A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090049487A (ko) * | 2007-11-13 | 2009-05-18 | 성균관대학교산학협력단 | 닭도체의 품질등급 자동 판정 및 중량 산출시스템 |
JP2014206839A (ja) * | 2013-04-12 | 2014-10-30 | 国立大学法人帯広畜産大学 | 撮影方法及び牛枝肉品質評価方法 |
CN108052964A (zh) * | 2017-12-05 | 2018-05-18 | 翔创科技(北京)有限公司 | 牲畜状态检测方法、计算机程序、存储介质及电子设备 |
CN111296539A (zh) * | 2020-01-22 | 2020-06-19 | 中国农业科学院农产品加工研究所 | 羊胴体机器人自主分割方法及系统 |
CN111680551A (zh) * | 2020-04-28 | 2020-09-18 | 平安国际智慧城市科技股份有限公司 | 监控牲畜数量的方法、装置、计算机设备及存储介质 |
CN112906773A (zh) * | 2021-02-04 | 2021-06-04 | 中国农业大学 | 基于云服务的生猪屠宰线胴体品质分级和监控方法及系统 |
-
2021
- 2021-11-24 CN CN202111405199.2A patent/CN113984767A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090049487A (ko) * | 2007-11-13 | 2009-05-18 | 성균관대학교산학협력단 | 닭도체의 품질등급 자동 판정 및 중량 산출시스템 |
JP2014206839A (ja) * | 2013-04-12 | 2014-10-30 | 国立大学法人帯広畜産大学 | 撮影方法及び牛枝肉品質評価方法 |
CN108052964A (zh) * | 2017-12-05 | 2018-05-18 | 翔创科技(北京)有限公司 | 牲畜状态检测方法、计算机程序、存储介质及电子设备 |
CN111296539A (zh) * | 2020-01-22 | 2020-06-19 | 中国农业科学院农产品加工研究所 | 羊胴体机器人自主分割方法及系统 |
CN111680551A (zh) * | 2020-04-28 | 2020-09-18 | 平安国际智慧城市科技股份有限公司 | 监控牲畜数量的方法、装置、计算机设备及存储介质 |
CN112906773A (zh) * | 2021-02-04 | 2021-06-04 | 中国农业大学 | 基于云服务的生猪屠宰线胴体品质分级和监控方法及系统 |
Non-Patent Citations (2)
Title |
---|
高云 等: "基于深度学习的群猪图像实例分割方法", 农业机械学报, vol. 50, no. 4, 30 April 2019 (2019-04-30), pages 179 - 187 * |
高莉 等: "我国屠宰企业猪胴体分级技术的研究进展与建议", 肉类研究, no. 4, 30 April 2009 (2009-04-30), pages 3 - 6 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107895367B (zh) | 一种骨龄识别方法、系统及电子设备 | |
Le Cozler et al. | High-precision scanning system for complete 3D cow body shape imaging and analysis of morphological traits | |
US10249054B2 (en) | Method and device for automated parameters calculation of an object | |
AU2010219406B2 (en) | Image analysis for making animal measurements | |
Wang et al. | ASAS-NANP SYMPOSIUM: Applications of machine learning for livestock body weight prediction from digital images | |
US20210368747A1 (en) | Analysis and sorting in aquaculture | |
US20140088939A1 (en) | Evaluation of animal products based on customized models | |
US20210368748A1 (en) | Analysis and sorting in aquaculture | |
CN110296660B (zh) | 牲畜体尺检测方法与装置 | |
WO2016023075A1 (en) | 3d imaging | |
CN110680399B (zh) | 一种产前超声图像的自动测量方法、存储介质及超声设备 | |
CN110569735A (zh) | 一种基于奶牛背部体况的分析方法及装置 | |
CN111297367A (zh) | 一种动物状态监测方法、装置、电子设备及存储介质 | |
CN112288793A (zh) | 畜类个体背膘检测方法、装置、电子设备及存储介质 | |
JP2021077046A (ja) | 統合分析方法、統合分析装置、及び統合分析プログラム | |
CN113984767A (zh) | 牲畜胴体品质检测的系统、方法、设备和计算机存储介质 | |
CN113516139A (zh) | 数据处理方法、装置、设备和存储介质 | |
CN113057598B (zh) | 一种面向动物活体无屠宰的肉质品质分级方法与系统 | |
Ojukwu et al. | Development of a computer vision system to detect inactivity in group-housed pigs | |
CN110991300A (zh) | 一种肉鸡腹部异常肿胀状态的自动识别方法 | |
WO2023201443A1 (en) | Method and system for automated evaluation of animals | |
KR102285112B1 (ko) | 디지털 영상 분석을 활용한 소 도체 정육량 비파괴 측정 시스템 | |
CN114708233A (zh) | 一种用于对猪胴体膘厚进行测量的方法及其相关产品 | |
CN113989538A (zh) | 基于深度图像的鸡群均匀度估测方法、装置、系统及介质 | |
CN111652084A (zh) | 一种异常蛋鸡识别方法及装置 |
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 |