CN114187584A - 一种生猪估重系统、方法及存储介质 - Google Patents
一种生猪估重系统、方法及存储介质 Download PDFInfo
- Publication number
- CN114187584A CN114187584A CN202111561519.3A CN202111561519A CN114187584A CN 114187584 A CN114187584 A CN 114187584A CN 202111561519 A CN202111561519 A CN 202111561519A CN 114187584 A CN114187584 A CN 114187584A
- Authority
- CN
- China
- Prior art keywords
- live pig
- weight
- frame
- image
- images
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G17/00—Apparatus for or methods of weighing material of special form or property
- G01G17/08—Apparatus for or methods of weighing material of special form or property for weighing livestock
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及生猪养殖的技术领域,尤其是涉及一种生猪估重系统、方法及存储介质,其包括:前端摄像设备,用于对预设区域进行拍摄以生成视频流数据并将视频流数据发送给处理平台;定位模块,用于识别各唯一标识,生成同一时间戳的带编号区域图像;处理平台,包括:接收筛取模块,用于接收视频流数据,接收来自定位模块的带编号区域图像;分析模块,用于对若干帧图像进行分析得到各生猪重量;标记模块,用于在各帧图像中标记框选各生猪;确定关联模块,用于根据时间戳确定若干帧图像和带编号区域图像之间的关联关系;计算模块,计算模块用于计算得到各唯一编号对应的生猪重量。本申请具有较为便捷地对生猪重量进行测算的效果。
Description
技术领域
本发明涉及生猪养殖的技术领域,尤其是涉及一种生猪估重系统、方法及存储介质。
背景技术
猪肉为人们生活的主要肉食品。为满足大量的市场需求,生猪养殖业逐渐向规模化、集约化生产方向发展。自20世纪50年代早期,养猪生产中普遍通过在猪饲料中添加抗生素来促进生猪的生长。长期以来,抗生素作为生长促进剂应用于畜牧业取得了良好的效果,在猪饲养中曾发挥了巨大的作用,抗生素工业的兴起极大促进了养猪业的进展。
然而,发明人认为,在生猪养殖过程中,如长期采用对每只生猪通过称重仪称重的方法,则太过于繁琐,效率太低,不利于养殖经营,因此有待改进。
发明内容
为了较为便捷地对生猪重量进行测算,本申请提供一种生猪估重系统、方法及存储介质。
本申请的上述发明目的一是通过以下技术方案得以实现的:
一种生猪估重系统,包括:
前端摄像设备,用于对预设区域进行拍摄以生成视频流数据并将所述视频流数据发送给处理平台;
定位模块,各生猪被配置为具有唯一标识,所述定位模块用于识别各唯一标识,并在对应所述预设区域的区域图像内的对应像素点位标记出各生猪的唯一标识以生成同一时间戳的带编号区域图像,所述区域图像中各像素点位与预设区域的各位置之间具有唯一映射关系,并将所述带编号区域图像发送给处理平台;
处理平台,所述处理平台包括:
接收筛取模块,所述接收筛取模块用于接收视频流数据,取所述视频流数据中若干帧图像,以及接收来自定位模块的带编号区域图像;
分析模块,所述分析模块用于对所述若干帧图像进行分析,以得到所述若干帧图像中各帧图像中的各生猪重量;
标记模块,所述标记模块用于在各帧图像中绘制边框以标记框选各生猪,以及将各帧图像中的各生猪重量标记在各帧图像中各生猪对应的边框中;
确定关联模块,所述确定关联模块用于根据时间戳确定若干帧图像和带编号区域图像之间的关联关系,并在若干帧图像中对应像素点位标记出关联的区域图像中的唯一编号;
计算模块,所述计算模块用于根据若干帧图像中相同唯一编号所处的边框内标记的生猪重量计算得到各唯一编号对应的生猪重量。
通过采用上述技术方案,通过前端摄像设备对预设区域进行拍摄,得到预设区域内一段时间的视频流数据,养殖人员将生猪聚集在预设区域内,从而拍摄得到具有该些生猪的视频流数据,并且定位模块识别各生猪上的唯一标识,并在对应预设区域的区域图像内的对应像素点位标记出各生猪的唯一标识以生成同一时间戳的带编号区域图像,处理平台接收到该些视频流数据以及带编号区域图像后,取视频流数据中若干帧图像,并对若干帧图像进行分析,得到若干帧图像中各帧图像中的各生猪重量,然后标记模块在各帧图像中绘制边框以标记框选各生猪,以及将各帧图像中的各生猪重量标记在各帧图像中各生猪对应的边框中,接着确定关联模块根据时间戳确定若干帧图像和带编号区域图像之间的关联关系,并在若干帧图像中对应像素点位标记出关联的区域图像中的唯一编号,最后计算模块用于根据若干帧图像中相同唯一编号所处的边框内标记的生猪重量计算得到各唯一编号对应的生猪重量,从而实现较为便捷地对生猪重量进行测算。
本申请在一较佳示例中可以进一步配置为:所述分析模块用于通过预先训练好的模型对所述若干帧图像进行分析。
本申请在一较佳示例中可以进一步配置为:所述模型是通过以下方式训练得到的:
对图像样本训练集中的每个图像样本进行标注处理,以标注出每个图像样本中的生猪重量,生猪重量与图像样本中的全部或部分信息相关联;以及通过经过标注处理的图像样本训练集,对神经网络进行训练,以得到模型;
其中,每个图像样本均是来自于前端摄像设备对预设区域的拍摄图像。
通过采用上述技术方案,采用该些数据对神经网络进行训练,使得训练后得到的模型能够对实时拍摄得到的图像进行推理,以得到生猪重量,且随着样本数量的增加,得到的模型推理更为精确。
本申请在一较佳示例中可以进一步配置为:还包括:
称重装置,所述称重装置用于对位于预设区域的生猪进行称重以得到预设区域的生猪总重并将生猪总重发送给所述处理平台;
所述处理平台还包括:
二次训练模块,所述二次训练模块用于根据生猪总重以及各唯一编号对应的生猪重量生成调试重量,根据所述若干帧图像以及调试重量对模型进行二次训练。
通过采用上述技术方案,通过不定期的采用称重装置称量整体生猪的重量得到生猪总重,然后根据生猪总重计算得到各唯一编号对应的调试重量,进而对神经网络进行二次训练得到新的模型,从而实现不定期的核准,并且高效无需对各生猪一一称重。
本申请在一较佳示例中可以进一步配置为:所述根据若干帧图像中相同唯一编号所处的边框内标记的生猪重量计算得到各唯一编号对应的生猪重量,包括:
计算所述若干帧图像中相同唯一编号所处的边框内标记中的生猪重量的期望值作为各唯一编号对应的生猪重量。
通过采用上述技术方案,采用期望值作为生猪重量,更为准确。
本申请在一较佳示例中可以进一步配置为:所述二次训练模块,包括:
占比计算单元,所述占比计算单元用于计算各唯一编号对应的生猪重量在所有唯一编号的生猪重量总和中的占比;
调试重量生成单元,所述调试重量生成模块用于根据各唯一编号的占比和所述生猪总重生成各唯一编号对应的调试重量;
再标记训练单元,所述再标记训练单元用于根据各唯一编号对应的调试重量对所述若干帧图像进行标记,以标注出各帧图像中的调试重量,调试重量与各帧图像中的全部或部分信息相关联;以及通过经过标注处理的各帧图像,对神经网络进行二次训练。
本申请的上述发明目的二是通过以下技术方案得以实现的:
一种生猪估重方法,包括:
接收视频流数据,取所述视频流数据中若干帧图像,所述视频流数据来自于前端摄像设备对预设区域拍摄而得到;
接收来自定位模块的带编号区域图像;
对所述若干帧图像进行分析,以得到所述若干帧图像中各帧图像中的各生猪重量;
在各帧图像中绘制边框以标记框选各生猪,以及将各帧图像中的各生猪重量标记在各帧图像中各生猪对应的边框中;
根据时间戳确定若干帧图像和带编号区域图像之间的关联关系,并在若干帧图像中对应像素点位标记出关联的区域图像中的唯一编号;
根据若干帧图像中相同唯一编号所处的边框内标记的生猪重量计算得到各唯一编号对应的生猪重量。
本申请的上述发明目的三是通过以下技术方案得以实现的:
一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行如前述的生猪估重方法。
综上所述,本申请包括以下至少一种有益技术效果:
1、通过前端摄像设备对预设区域进行拍摄,得到预设区域内一段时间的视频流数据,养殖人员将生猪聚集在预设区域内,从而拍摄得到具有该些生猪的视频流数据,并且定位模块识别各生猪上的唯一标识,并在对应预设区域的区域图像内的对应像素点位标记出各生猪的唯一标识以生成同一时间戳的带编号区域图像,处理平台接收到该些视频流数据以及带编号区域图像后,取视频流数据中若干帧图像,并对若干帧图像进行分析,得到若干帧图像中各帧图像中的各生猪重量,然后标记模块在各帧图像中绘制边框以标记框选各生猪,以及将各帧图像中的各生猪重量标记在各帧图像中各生猪对应的边框中,接着确定关联模块根据时间戳确定若干帧图像和带编号区域图像之间的关联关系,并在若干帧图像中对应像素点位标记出关联的区域图像中的唯一编号,最后计算模块用于根据若干帧图像中相同唯一编号所处的边框内标记的生猪重量计算得到各唯一编号对应的生猪重量,从而实现较为便捷地对生猪重量进行测算;
2、采用该些数据对神经网络进行训练,使得训练后得到的模型能够对实时拍摄得到的图像进行推理,以得到生猪重量,且随着样本数量的增加,得到的模型推理更为精确;
3、通过不定期的采用称重装置称量整体生猪的重量得到生猪总重,然后根据生猪总重计算得到各唯一编号对应的调试重量,进而对神经网络进行二次训练得到新的模型,从而实现不定期的核准,并且高效无需对各生猪一一称重。
附图说明
图1是本申请一实施例中生猪估重系统的结构示意图;
图2是本申请一实施例中生猪估重方法的实现流程图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要说明的是,本发明中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
下面参考附图描述本申请的生猪估重系统、方法及存储介质。
生猪养殖包括种猪引种-查情-配种-妊娠-分娩-保育-育肥-上市全过程,为实现全业务周期的精细化管理,常常需要周期性或者经常性地对生猪进行体重监测,然而现在常用的地磅称重方式,较为繁琐,无法适应大规模养殖。
针对上述问题,本申请公开了一种生猪估重系统、方法及存储介质,通过前端摄像设备对预设区域进行拍摄,得到预设区域内一段时间的视频流数据,养殖人员将生猪聚集在预设区域内,从而拍摄得到具有该些生猪的视频流数据,并且定位模块识别各生猪上的唯一标识,并在对应预设区域的区域图像内的对应像素点位标记出各生猪的唯一标识以生成同一时间戳的带编号区域图像,处理平台接收到该些视频流数据以及带编号区域图像后,取视频流数据中若干帧图像,并对若干帧图像进行分析,得到若干帧图像中各帧图像中的各生猪重量,然后标记模块在各帧图像中绘制边框以标记框选各生猪,以及将各帧图像中的各生猪重量标记在各帧图像中各生猪对应的边框中,接着确定关联模块根据时间戳确定若干帧图像和带编号区域图像之间的关联关系,并在若干帧图像中对应像素点位标记出关联的区域图像中的唯一编号,最后计算模块用于根据若干帧图像中相同唯一编号所处的边框内标记的生猪重量计算得到各唯一编号对应的生猪重量,从而实现较为便捷地对生猪重量进行测算。
图1是根据本申请第一实施例的生猪估重系统示意图,如图1所示,该生猪估重系统,包括前端摄像设备,定位模块以及处理平台,其中,前端摄像设备、定位模块均和处理平台通讯连接以实现数据交互,其中,前端摄像设备用于对预设区域进行拍摄以生成视频流数据并将视频流数据发送给处理平台;预设区域可以是猪圈、猪栏或者是被配置、被围设为专用于估重的场地,预设区域与前端摄像设备的拍摄范围可以一致,即在前端摄像设备拍摄生成的图像中,图像边界刚好与预设区域的边界接近或重合;前端摄像设备可以被配置为,在接收到第一启动信号时,即开始拍摄;前端摄像设备的光轴可以是垂直于预设区域设置,从而达到俯视效果,也可以是被配置为具有一定的斜率进行拍摄。
各生猪被配置为具有唯一标识,唯一标识可以是给生猪配置猪耳环等智能电子标签,该猪耳环具有唯一标识,从而实现生猪具有唯一标识。定位模块用于识别各唯一标识,并在对应预设区域的区域图像内的对应像素点位标记出各生猪的唯一标识以生成同一时间戳的带编号区域图像,区域图像中各像素点位与预设区域的各位置之间具有唯一映射关系,并将带编号区域图像发送给处理平台,定位模块的标识获取,在接收到第二启动信号时,即开始获取各唯一标识并标记在区域图像内,以得到多张不同时间戳的带编号区域图像;
其中,区域图像是预先设定的前景图像,其与预设区域相对应,可被配置为区域图像边界刚好与预设区域的边界接近或重合,或是与前端摄像设备拍摄生成的图像的边界相一致,尺寸也相一致;区域图像的制作,可以是采用前端摄像设备,在预设区域未存在生猪时的图像作为区域图像,即前景图像;区域图像中各像素点位,该区域图像中各像素点位是经过预先标定后的,一一对应于预设区域的各位置,即区域图像中各像素点位与预设区域的各位置之间具有唯一映射关系。
处理平台可以是后台系统,可以是计算机,处理平台包括接收筛取模块,分析模块,标记模块,确定关联模块和计算模块,筛取模块,分析模块,标记模块,确定关联模块和计算模块之间通讯连接,其中,处理平台通过接收筛取模块和前端摄像设备通讯连接实现数据传输,接收筛取模块用于接收来自前端摄像设备的视频流数据,还用于取视频流数据中若干帧图像,以及接收来自定位模块的带编号区域图像;
具体地,若干帧图像的获取,可以是在视频流数据中每间隔预定数量帧择出,从而得到的若干帧图像,其时间戳均不同;通过对视频流数据中若干帧图像的获取,从而能够得到生猪运动过程中不同状态的图像。
分析模块用于对若干帧图像进行分析,以得到若干帧图像中各帧图像中的各生猪重量;具体地,分析得到各生猪重量,可以是通过各帧图像中各生猪所占像素面积,结合和重量之间的预设映射关系进行计算,也可以是采用模型推理的方式进行分析。
标记模块用于在各帧图像中绘制边框以标记框选各生猪,以及将各帧图像中的各生猪重量标记在各帧图像中各生猪对应的边框中;标记框选可以采用tensorflow提供的函数:image.draw_bounding_boxes()函数,从而用于在图像中加入矩行标注框。也可以采用tensorflow提供的image.sample_distorted_bounding_box()函数,以生成随机变形的边界框,从而进行随机位置边框的框选。
确定关联模块用于根据时间戳确定若干帧图像和带编号区域图像之间的关联关系,并在若干帧图像中对应像素点位标记出关联的区域图像中的唯一编号;
可以理解的是,根据时间戳确定若干帧图像和带编号区域图像之间的关联关系,可以是在带编号区域图像的时间戳中挑选出与各帧图像的时间戳一致或者一定范围内的时间戳所对应的带编号区域图像,然后将该带编号区域图像和图像进行关联;例如接收到的若干帧图像中一帧图像的时间戳为2021-12-2 14:05:43:649,则在接收到的所有带编号区域图像之中,择出时间戳为2021-12-2 14:05:43:649的带编号区域图像,如果不存在时间戳一致的带编号区域图像,则在2021-12-2 14:05:43:649的一定范围内,例如前后500ms内的带编号区域图像,从中择选出与2021-12-2 14:05:43:649最为相近的时间戳所对应的带编号区域图像与该帧图像进行关联。关联后,参照带编号区域图像在关联的该帧图像中对应像素点位标记出唯一编号;可以理解的是,唯一编号的对应的各像素点位均落于各标记框内。
计算模块用于根据若干帧图像中相同唯一编号所处的边框内标记的生猪重量计算得到各唯一编号对应的生猪重量。若干帧图像中相同唯一编号所处的边框内的生猪因其动作状态而导致在不同帧图像中的像素面积不同,因此根据若干帧图像中相同唯一编号所处的边框内标记的生猪重量来进行计算,得到的生猪重量更为准确。
在一实施例中,计算若干帧图像中相同唯一编号所处的边框内标记中的生猪重量的期望值作为各唯一编号对应的生猪重量。例如,取视频流数据中30帧图像,计算30帧图像中相同唯一编号所处的边框内标记的生猪重量的期望值,从而能够较为准确地反应出该唯一编号的实际重量。
在一实施例中,分析模块通过预先训练好的模型对若干帧图像进行分析。
其中,模型是通过以下方式训练得到的:
对图像样本训练集中的每个图像样本进行标注处理,以标注出每个图像样本中的生猪重量,生猪重量与图像样本中的全部或部分信息相关联;以及通过经过标注处理的图像样本训练集,对神经网络进行训练,以得到模型;
其中,每个图像样本均是来自于前端摄像设备对预设区域的拍摄图像,前期通过前端摄像设备采集大量的预设区域的图像以得到大量图像样本,并对该些图像样本进行标记,标记出每个图像样本中的生猪重量,采用该些数据对神经网络进行训练,使得训练后得到的模型能够对实时拍摄得到的图像进行推理,以得到生猪重量,且随着样本数量的增加,得到的模型推理更为精确。
可选的,生猪估重系统还包括称重装置,称重装置用于对位于预设区域的生猪进行称重以得到预设区域的生猪总重并将生猪总重发送给处理平台;
处理平台还包括:
二次训练模块,二次训练模块用于根据生猪总重以及各唯一编号对应的生猪重量生成调试重量,根据若干帧图像以及调试重量对模型进行二次训练。
具体地,二次训练模块包括占比计算单元,调试重量生成单元和再标记训练单元,其中,占比计算单元用于计算各唯一编号对应的生猪重量在所有唯一编号的生猪重量总和中的占比;即以单一的唯一编号的生猪重量在所有的唯一编号的生猪重量总和的比作为占比。调试重量生成模块用于根据各唯一编号的占比和生猪总重生成各唯一编号对应的调试重量;具体地,以各唯一编号的生猪重量的占比和生猪总重之积作为各唯一编号对应的调试重量。再标记训练单元用于根据各唯一编号对应的调试重量对若干帧图像进行标记,以标注出各帧图像中的调试重量,调试重量与各帧图像中的全部或部分信息相关联;以及通过经过标注处理的各帧图像,对神经网络进行二次训练;通过不定期的采用称重装置称量整体生猪的重量得到生猪总重,然后根据生猪总重计算得到各唯一编号对应的调试重量,进而对神经网络进行二次训练得到新的模型,从而实现不定期的核准,并且高效无需对各生猪一一称重。
本申请还提供一种生猪估重方法,参照图2,包括:
S1、接收视频流数据,取视频流数据中若干帧图像,视频流数据来自于前端摄像设备对预设区域拍摄而得到;
S2、接收来自定位模块的带编号区域图像;
S3、对若干帧图像进行分析,以得到若干帧图像中各帧图像中的各生猪重量;
S4、在各帧图像中绘制边框以标记框选各生猪,以及将各帧图像中的各生猪重量标记在各帧图像中各生猪对应的边框中;
S5、根据时间戳确定若干帧图像和带编号区域图像之间的关联关系,并在若干帧图像中对应像素点位标记出关联的区域图像中的唯一编号;
S6、根据若干帧图像中相同唯一编号所处的边框内标记的生猪重量计算得到各唯一编号对应的生猪重量。
关于生猪估重方法的具体限定可以参见上文中对于生猪估重系统的限定,在此不再赘述。上述生猪估重方法的各个步骤可全部或部分通过软件、硬件及其组合来实现。
根据本申请的实施例,本申请还提供了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行时实现以下步骤:
接收视频流数据,取视频流数据中若干帧图像,视频流数据来自于前端摄像设备对预设区域拍摄而得到;
接收来自定位模块的带编号区域图像;
对若干帧图像进行分析,以得到若干帧图像中各帧图像中的各生猪重量;
在各帧图像中绘制边框以标记框选各生猪,以及将各帧图像中的各生猪重量标记在各帧图像中各生猪对应的边框中;
根据时间戳确定若干帧图像和带编号区域图像之间的关联关系,并在若干帧图像中对应像素点位标记出关联的区域图像中的唯一编号;
根据若干帧图像中相同唯一编号所处的边框内标记的生猪重量计算得到各唯一编号对应的生猪重量。
该计算机程序被处理器执行时能实现上述方法实施例中任一种生猪估重方法。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (8)
1.一种生猪估重系统,其特征在于,包括:
前端摄像设备,用于对预设区域进行拍摄以生成视频流数据并将所述视频流数据发送给处理平台;
定位模块,各生猪被配置为具有唯一标识,所述定位模块用于识别各唯一标识,并在对应所述预设区域的区域图像内的对应像素点位标记出各生猪的唯一标识以生成同一时间戳的带编号区域图像,所述区域图像中各像素点位与预设区域的各位置之间具有唯一映射关系,并将所述带编号区域图像发送给处理平台;
处理平台,所述处理平台包括:
接收筛取模块,所述接收筛取模块用于接收视频流数据,取所述视频流数据中若干帧图像,以及接收来自定位模块的带编号区域图像;
分析模块,所述分析模块用于对所述若干帧图像进行分析,以得到所述若干帧图像中各帧图像中的各生猪重量;
标记模块,所述标记模块用于在各帧图像中绘制边框以标记框选各生猪,以及将各帧图像中的各生猪重量标记在各帧图像中各生猪对应的边框中;
确定关联模块,所述确定关联模块用于根据时间戳确定若干帧图像和带编号区域图像之间的关联关系,并在若干帧图像中对应像素点位标记出关联的区域图像中的唯一编号;
计算模块,所述计算模块用于根据若干帧图像中相同唯一编号所处的边框内标记的生猪重量计算得到各唯一编号对应的生猪重量。
2.根据权利要求1所述的生猪估重系统,其特征在于,所述分析模块用于通过预先训练好的模型对所述若干帧图像进行分析。
3.根据权利要求2所述的生猪估重系统,其特征在于,所述模型是通过以下方式训练得到的:
对图像样本训练集中的每个图像样本进行标注处理,以标注出每个图像样本中的生猪重量,生猪重量与图像样本中的全部或部分信息相关联;以及通过经过标注处理的图像样本训练集,对神经网络进行训练,以得到模型;
其中,每个图像样本均是来自于前端摄像设备对预设区域的拍摄图像。
4.根据权利要求3所述的生猪估重系统,其特征在于,还包括:
称重装置,所述称重装置用于对位于预设区域的生猪进行称重以得到预设区域的生猪总重并将生猪总重发送给所述处理平台;
所述处理平台还包括:
二次训练模块,所述二次训练模块用于根据生猪总重以及各唯一编号对应的生猪重量生成调试重量,根据所述若干帧图像以及调试重量对模型进行二次训练。
5.根据权利要求1所述的生猪估重系统,其特征在于,所述根据若干帧图像中相同唯一编号所处的边框内标记的生猪重量计算得到各唯一编号对应的生猪重量,包括:
计算所述若干帧图像中相同唯一编号所处的边框内标记中的生猪重量的期望值作为各唯一编号对应的生猪重量。
6.根据权利要求1所述的生猪估重系统,其特征在于,所述二次训练模块,包括:
占比计算单元,所述占比计算单元用于计算各唯一编号对应的生猪重量在所有唯一编号的生猪重量总和中的占比;
调试重量生成单元,所述调试重量生成模块用于根据各唯一编号的占比和所述生猪总重生成各唯一编号对应的调试重量;
再标记训练单元,所述再标记训练单元用于根据各唯一编号对应的调试重量对所述若干帧图像进行标记,以标注出各帧图像中的调试重量,调试重量与各帧图像中的全部或部分信息相关联;以及通过经过标注处理的各帧图像,对神经网络进行二次训练。
7.一种生猪估重方法,其特征在于,包括:
接收视频流数据,取所述视频流数据中若干帧图像,所述视频流数据来自于前端摄像设备对预设区域拍摄而得到;
接收来自定位模块的带编号区域图像;
对所述若干帧图像进行分析,以得到所述若干帧图像中各帧图像中的各生猪重量;
在各帧图像中绘制边框以标记框选各生猪,以及将各帧图像中的各生猪重量标记在各帧图像中各生猪对应的边框中;
根据时间戳确定若干帧图像和带编号区域图像之间的关联关系,并在若干帧图像中对应像素点位标记出关联的区域图像中的唯一编号;
根据若干帧图像中相同唯一编号所处的边框内标记的生猪重量计算得到各唯一编号对应的生猪重量。
8.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求7所述的生猪估重方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111561519.3A CN114187584A (zh) | 2021-12-20 | 2021-12-20 | 一种生猪估重系统、方法及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111561519.3A CN114187584A (zh) | 2021-12-20 | 2021-12-20 | 一种生猪估重系统、方法及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114187584A true CN114187584A (zh) | 2022-03-15 |
Family
ID=80544535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111561519.3A Pending CN114187584A (zh) | 2021-12-20 | 2021-12-20 | 一种生猪估重系统、方法及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114187584A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115250952A (zh) * | 2022-08-18 | 2022-11-01 | 深圳进化动力数码科技有限公司 | 生猪健康监测方法、装置、设备及存储介质 |
-
2021
- 2021-12-20 CN CN202111561519.3A patent/CN114187584A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115250952A (zh) * | 2022-08-18 | 2022-11-01 | 深圳进化动力数码科技有限公司 | 生猪健康监测方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108686978B (zh) | 基于arm的水果类别和色泽的分拣方法及系统 | |
US10249054B2 (en) | Method and device for automated parameters calculation of an object | |
ZA202300610B (en) | System and method for crop monitoring | |
CN105318944B (zh) | 杆状平台的鸡现场称重系统与方法 | |
CA3176420A1 (en) | Analysis and sorting in aquaculture | |
CN108898141A (zh) | 基于图像检测的商品货架分割和层信息统计方法 | |
CN109658414A (zh) | 一种猪只的智能盘点方法及装置 | |
KR102097781B1 (ko) | 객체 정보 제공 장치 및 방법 | |
CN110415295B (zh) | 图像数据处理方法和图像数据处理设备 | |
CN111161214B (zh) | 一种基于双目视觉的猪只体重测量及饮水行为识别系统及方法 | |
CN106796696A (zh) | 基于凝视信息的朝向刺激的关注的确定 | |
Rong et al. | Pest Identification and Counting of Yellow Plate in Field Based on Improved Mask R‐CNN | |
CN110967339A (zh) | 一种玉米果穗性状分析的方法及装置、玉米性状分析设备 | |
CN108537129A (zh) | 训练样本的标注方法、装置和系统 | |
CN109919007A (zh) | 一种生成红外图像标注信息的方法 | |
CN111386075A (zh) | 牲畜测重系统及利用该系统的牲畜测重方法 | |
CN114187584A (zh) | 一种生猪估重系统、方法及存储介质 | |
CN109086696B (zh) | 一种异常行为检测方法、装置、电子设备及存储介质 | |
CN108829762A (zh) | 基于视觉的小目标识别方法和装置 | |
CN114511820A (zh) | 货架商品检测方法、装置、计算机设备及存储介质 | |
CA3093646C (en) | Method and system for extraction of statistical sample of moving objects | |
CN115752683A (zh) | 一种基于深度相机的体重预估方法、系统及终端 | |
CN108874910A (zh) | 基于视觉的小目标识别系统 | |
CA3230401A1 (en) | Systems and methods for the automated monitoring of animal physiological conditions and for the prediction of animal phenotypes and health outcomes | |
Hidayatullah et al. | A survey on multisperm tracking for sperm motility measurement |
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 |