CN114983394A - 动物体尺测定方法、装置、设备及存储介质 - Google Patents

动物体尺测定方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114983394A
CN114983394A CN202210540908.6A CN202210540908A CN114983394A CN 114983394 A CN114983394 A CN 114983394A CN 202210540908 A CN202210540908 A CN 202210540908A CN 114983394 A CN114983394 A CN 114983394A
Authority
CN
China
Prior art keywords
animal
image
half part
point information
data
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
Application number
CN202210540908.6A
Other languages
English (en)
Inventor
鞠铁柱
曾庆元
刘正旭
张博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Xiaolongqianxing Technology Co ltd
Original Assignee
Beijing Xiaolongqianxing Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Xiaolongqianxing Technology Co ltd filed Critical Beijing Xiaolongqianxing Technology Co ltd
Priority to CN202210540908.6A priority Critical patent/CN114983394A/zh
Publication of CN114983394A publication Critical patent/CN114983394A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/40—Animals
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/70—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in livestock or poultry

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Computer Graphics (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Geometry (AREA)
  • Multimedia (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种动物体尺测定方法，其特征在于，所述方法包括：采集所述待检测动物带有耳根的前半部分图像与带有尾根的后半部分图像；将采集的所述前半部分图像与所述后半部分图像合并得到所述待检测动物的侧面三维立体图像；基于所述侧面三维立体图像识别体尺测量点信息，所述体尺测量点信息包括耳根所在位置的坐标数据以及尾根所在位置的坐标数据；基于所述体尺测量点信息生成所述动物的体尺测定数据，通过上述方法，能够准确测量出动物的体尺长度。

Description

动物体尺测定方法、装置、设备及存储介质
技术领域
本申请涉及图像识别技术领域，具体而言，涉及一种体尺测定方法、装置、设备及存储介质。
背景技术
在病死畜禽无害化处理政策的推动下，各地政府和企业为养殖户提供了病死猪理赔和处理的业务和设施，提高了养殖户的主动性。当前的理赔业务中，病死猪的体尺(耳根至尾根)作为理赔的唯一标定。
已知现有技术存在以下2种测量技术(以病死猪为例)：一.使用统一标准的钢质直尺进行人工测定：方案是将直尺放置于侧卧的病死猪尸体上，以耳根为测定起点，尾根为测定终点，人工读取耳根至尾根间的长度。但是存在人工测量为主观识别体尺测量点间距，识别存在主观误差；测量工具的放置也存在主观误差且刻度读取效率低的问题。二.基于可见光摄像头和特定标记物的机器视觉体尺估算方法：方案是使用可见光摄像头垂直拍摄以特定姿势摆放的病死猪，需在拍摄画面的特定位置放置特定的测量标记物，后通过图像识别和计算方法估算出病死猪体尺长度。但是该方法存在的问题是要求摆放病死猪的平面与病死猪的色差明显；拍摄角度必须为垂直90度；此方法为通过图像技术估算，非准确的测量点识别。
因此，如何解决传统人工测量的主观误差和图像估算的非准确测量问题，准确测量出动物的体尺长度，是目前有待解决的技术问题。
发明内容
本发明公开了一种动物体尺测定方法，用于解决现有技术中无法准确测量出动物的体尺长度的技术问题，所述方法包括：
采集待检测动物带有耳根的前半部分图像与带有尾根的后半部分图像；
将采集的所述前半部分图像与所述后半部分图像合并得到所述待检测动物的侧面三维立体图像；
基于所述侧面三维立体图像识别体尺测量点信息，所述体尺测量点信息包括耳根所在位置的坐标数据以及尾根所在位置的坐标数据；
基于所述体尺测量点信息生成所述动物的体尺测定数据。
可选地，基于所述侧面三维立体图像识别体尺测量点信息，具体为：
获取动物样本数据；
根据所述动物样本数据对待训练深度学习模型进行训练，得到损失函数；
基于所述损失函数得到特征检测模型；
通过所述特征检测模型对所述侧面三维猪体图像进行识别确定所述体尺测量点信息。
可选地，基于所述体尺测量点信息生成所述动物的体尺测定数据之后，还包括：
获取所述动物的标的信息；
将所述动物的体尺测定数据与预设体尺测定数据进行比对，确定所述动物对应的体尺测定级别；
基于所述动物的标的信息与所述体尺测定级别确定理赔标准。
可选地，采集所述待检测动物带有耳根的前半部分图像与带有尾根的后半部分图像之后，还包括：
对所述前半部分图像与后半部分图像进行预处理和归一化处理。
可选地，将采集的所述前半部分图像与所述后半部分图像合并得到所述待检测动物的侧面三维立体图像，具体为：
获取一系列具有空间位置和角度信息的所述前半部分图像与所述后半部分图像；
将所述前半部分图像与所述后半部分图像进行图像拼接与重建，得到所述侧面三维猪体图像。
相应的，本发明还公开了一种基于知识图谱脚本的数据处理装置，所述装置包括：
采集模块：用于采集待检测动物带有耳根的前半部分图像与带有尾根的后半部分图像；
合并模块：用于将采集的所述前半部分图像与所述后半部分图像合并得到所述待检测动物的侧面三维立体图像；
识别模块，用于基于所述侧面三维立体图像识别体尺测量点信息，所述体尺测量点信息包括耳根所在位置的坐标数据以及尾根所在位置的坐标数据；
生成模块，用于基于所述体尺测量点信息生成所述动物的体尺测定数据。
可选地，所述识别装置具体用于：
获取动物样本数据；
根据所述动物样本数据对待训练深度学习模型进行训练，得到损失函数；
基于所述损失函数得到特征检测模型；
通过所述特征检测模型对所述侧面三维猪体图像进行识别确定所述体尺测量点信息。
可选地，所述装置还包括确定模块，具体用于：
获取所述动物的标的信息；
将所述动物的体尺测定数据与预设体尺测定数据进行比对，确定所述动物对应的体尺测定级别；
基于所述动物的标的信息与所述体尺测定级别确定理赔标准。
为了实现上述目的，根据本申请的又一方面，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计算机程序时实现如所述方法的步骤。
为了实现上述目的，根据本申请的又一方面，提供了一种非暂态计算机可读存储介质，其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所述方法的步骤。
与现有技术对比，本发明具备以下有益效果：
本发明公开了一种动物体尺测定方法，其特征在于，所述方法包括：采集所述待检测动物带有耳根的前半部分图像与带有尾根的后半部分图像；将采集的所述前半部分图像与所述后半部分图像合并得到所述待检测动物的侧面三维立体图像；基于所述侧面三维立体图像识别体尺测量点信息，所述体尺测量点信息包括耳根所在位置的坐标数据以及尾根所在位置的坐标数据；基于所述体尺测量点信息生成所述动物的体尺测定数据，通过上述方法，能够准确测量出动物的体尺长度。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的一种动物体尺测定方法的流程示意图；
图2是根据本申请实施例的一种采集猪体深度图像的结构示意图；
图3是根据本申请实施例的一种侧面三维立体图像结构示意图；
图4是根据本申请实施例的一种动物体尺测定装置的结构示意图。
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，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，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，都应当属于本申请保护的范围。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
如图1所示本发明实施例提出的一种动物体尺测定方法的流程示意图，所述方法包括：
S201，采集所述待检测动物带有耳根的前半部分图像与带有尾根的后半部分图像。
具体的，如图2所示为采集猪体深度图像的结构示意图，通过两部深度相机同时采集同一只猪的深度图像，其中一部相机拍摄带有耳根的前半部分图像与，另一部相机拍摄猪体带有尾根的后半部分图像。将采集到的图像在控制器中进行体尺数据的检测。使用2部深度相机获取图像的目的是提高测量点的识别率。
需要说明的是，本申请的深度相机包括多组摄像头，其中一组摄像头用于拍摄猪体的平面图像，用于识别测量点；余下多组摄像头用于拍摄立体图像，以提取尺寸信息。
为了保证测量结果的准确度，在一些实施例中，采集所述待检测动物带有耳根的前半部分图像与带有尾根的后半部分图像之后，还包括：
对所述前半部分图像与后半部分图像进行预处理和归一化处理。
具体的，在采集所述待检测动物带有耳根的前半部分图像与带有尾根的后半部分图像之后，需要图像进行预处理和归一化处理。图像中每个像素点的像素值是在0-255之间的整数，通过归一化方法将每个像素的像素值归一化到0-1之间的浮点数，使其在图片尺寸和像素大小等方面保持均匀一致。通过预处理和归一化处理，以保证测量结果的准确度。
S202，将采集的所述前半部分图像与所述后半部分图像合并得到所述待检测动物的侧面三维立体图像。
具体的，在特定程序中将采集的所述前半部分图像与所述后半部分图像拼接得到所述待检测动物的侧面三维立体图像。
为了得到完成的动物的侧面三维立体图像，在一些实施例中，将采集的所述前半部分图像与所述后半部分图像合并得到所述待检测动物的侧面三维立体图像，具体为：
获取一系列具有空间位置和角度信息的所述前半部分图像与所述后半部分图像；
将所述前半部分图位置和角度信息的所述前半部分图像与所述后半部分图像。确定多个角度下的猪体图像之间的重合部分，根据多个角度的猪体图像之间的相对位置关系以及重合部分将前半部分图像与所述后半部分图像进行图像拼接与重建，得到所述侧面三维猪体图像。
S203，基于所述侧面三维立体图像识别体尺测量点信息像与所述后半部分图像进行图像拼接与重建，得到所述侧面三维猪体图像。
具体的，获取一系列具有空间，所述体尺测量点信息包括耳根所在位置的坐标数据以及尾根所在位置的坐标数据。
为了准确获取体尺测量点信息，在一些实施例中，基于所述侧面三维立体图像识别体尺测量点信息，具体为：
获取动物样本数据；
根据所述动物样本数据对待训练深度学习模型进行训练，得到损失函数；
基于所述损失函数得到特征检测模型；
通过所述特征检测模型对所述侧面三维猪体图像进行识别确定所述体尺测量点信息。
具体的，预先获取动物样本数据，所述样本数据是提前获取到的。深度相机获取动物图像，最终获取侧面三维立体图像。根据若干侧面三维立体图像构建得到动物样本数据。
根据猪体样本数据对待训练深度学习模型进行训练，识别指点测量点。在训练的过程中，待训练深度学习模型会输出预测结果，预测结果为体尺测量点信息。将预测结果与实际测定结果进行比对，计算待训练深度学习模型输出的预测结果与实际测定结果之间的误差率，根据误差率及损失函数对待训练深度学习模型的模型参数进行调节，直至满足预设条件，停止模型训练，得到特征检测模型。其中预设条件为误差率在预设范围内且损失函数不再下降或者是小于阈值。通过所述特征检测模型对所述侧面三维立体图像进行识别确定所述体尺测量点信息。本申请的特征检测模型能够保证误差率在合理范围内，进一步提高了模型的体尺测定准确性。
S204，基于所述体尺测量点信息生成所述动物的体尺测定数据。
为了确定理赔情况，基于所述体尺测量点信息生成所述动物的体尺测定数据之后，还包括：
获取所述动物的标的信息；
将所述动物的体尺测定数据与预设体尺测定数据进行比对，确定所述动物对应的体尺测定级别；
基于所述动物的标的信息与所述体尺测定级别确定理赔标准。
具体的，获取所述动物的标的信息，所述标的信息为动物的编码身份信息。将所述动物的体尺测定数据与预设体尺测定数据进行比对，确定所述动物对应的体尺测定级别，基于所述动物的标的信息与所述体尺测定级别确定理赔标准。
为了进一步阐述本发明的技术思想，现结合具体的应用场景，对本发明的技术方案进行说明。
以死猪为例进行说明。如图3所示为侧面三维立体图像结构示意图，通过两部深度相机拍摄带有耳根的前半部分图像与，另一部相机拍摄猪体带有尾根的后半部分图像。需要说明的是，拍摄带有耳根的后半部分图像需要侧拍，目的时准确识别出尾根所在位置。将采集的所述前半部分图像与所述后半部分图像合并得到所述待检测动物的侧面三维立体图像。在进行死猪体尺测定过程中，需要区分不同的死猪，养殖人员预先将死猪的信息存储于耳标芯片中，将耳标安装于猪的耳朵上。例如，耳标可以是RFID(Radio FrequencyIdentification，无线射频识别)电子耳标。在采集所述待检测死猪带有耳根的前半部分图像与带有尾根的后半部分图像之后，需要图像进行预处理和归一化处理。图像中每个像素点的像素值是在0-255之间的整数，通过归一化方法将每个像素的像素值归一化到0-1之间的浮点数，使其在图片尺寸和像素大小等方面保持均匀一致。通过预处理和归一化处理，以保证测量结果的准确度。
根据猪体样本数据对待训练深度学习模型进行训练，识别指点测量点。在训练的过程中，待训练深度学习模型会输出预测结果，预测结果为体尺测量点信息。将预测结果与实际测定结果进行比对，计算待训练深度学习模型输出的预测结果与实际测定结果之间的误差率，根据误差率及损失函数对待训练深度学习模型的模型参数进行调节，直至满足预设条件，停止模型训练，得到特征检测模型。其中预设条件为误差率在预设范围内且损失函数不再下降或者是小于阈值。通过所述特征检测模型对所述侧面三维立体图像进行识别确定所述体尺测量点信息，所述体尺测量点信息包括耳根所在位置的坐标数据以及尾根所在位置的坐标数据，根据耳根所在位置的坐标数据以及尾根所在位置的坐标数据通过计算得到所述死猪的体尺测定数据。将所述死猪的体尺测定数据与预设体尺测定数据进行比对，确定所述死猪对应的体尺测定级别，基于所述死猪的标的信息与所述体尺测定级别确定理赔标准。
为了达到以上技术目的，本申请实施例还提出一种动物体尺测定装置，如图4所示，所述装置包括：
采集模块401：用于采集所述待检测动物带有耳根的前半部分图像与带有尾根的后半部分图像；
合并模块402：用于将采集的所述前半部分图像与所述后半部分图像合并得到所述待检测动物的侧面三维立体图像；
识别模块403，用于基于所述侧面三维立体图像识别体尺测量点信息，所述体尺测量点信息包括耳根所在位置的坐标数据以及尾根所在位置的坐标数据；
生成模块404，用于基于所述体尺测量点信息生成所述动物的体尺测定数据。
在本申请的具体应用场景中，所述识别装置403具体用于：
获取动物样本数据；
根据所述动物样本数据对待训练深度学习模型进行训练，得到损失函数；
基于所述损失函数得到特征检测模型；
通过所述特征检测模型对所述侧面三维猪体图像进行识别确定所述体尺测量点信息
在本申请的具体应用场景中，所述装置还包括确定模块，具体用于：
获取所述动物的标的信息；
将所述动物的体尺测定数据与预设体尺测定数据进行比对，确定所述动物对应的体尺测定级别；
基于所述动物的标的信息与所述体尺测定级别确定理赔标准。
本申请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计算机程序时实现如所述方法的步骤。
根据本申请的又一方面，还提供了一种非暂态计算机可读存储介质，其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所述方法的步骤。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分的方法。
最后应说明的是：以上实施例仅用以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；而这些修改或者替换，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。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种动物体尺测定方法，其特征在于，所述方法包括：
采集待检测动物带有耳根的前半部分图像与带有尾根的后半部分图像；
将采集的所述前半部分图像与所述后半部分图像合并得到所述待检测动物的侧面三维立体图像；
基于所述侧面三维立体图像识别体尺测量点信息，所述体尺测量点信息包括耳根所在位置的坐标数据以及尾根所在位置的坐标数据；
基于所述体尺测量点信息生成所述动物的体尺测定数据。
2.如权利要求1所述的方法，其特征在于，基于所述侧面三维立体图像识别体尺测量点信息，具体为：
获取动物样本数据；
根据所述动物样本数据对待训练深度学习模型进行训练，得到损失函数；
基于所述损失函数得到特征检测模型；
通过所述特征检测模型对所述侧面三维猪体图像进行识别确定所述体尺测量点信息。
3.如权利要求1所述的方法，其特征在于，基于所述体尺测量点信息生成所述动物的体尺测定数据之后，还包括：
获取所述动物的标的信息；
将所述动物的体尺测定数据与预设体尺测定数据进行比对，确定所述动物对应的体尺测定级别；
基于所述动物的标的信息与所述体尺测定级别确定理赔标准。
4.如权利要求1所述的方法，其特征在于，采集所述待检测动物带有耳根的前半部分图像与带有尾根的后半部分图像之后，还包括：
对所述前半部分图像与后半部分图像进行预处理和归一化处理。
5.如权利要求1所述的方法，其特征在于，将采集的所述前半部分图像与所述后半部分图像合并得到所述待检测动物的侧面三维立体图像，具体为：
获取一系列具有空间位置和角度信息的所述前半部分图像与所述后半部分图像；
将所述前半部分图像与所述后半部分图像进行图像拼接与重建，得到所述侧面三维猪体图像。
6.一种动物体尺测定装置，其特征在于，所述装置包括：
采集模块：用于采集待检测动物带有耳根的前半部分图像与带有尾根的后半部分图像；
合并模块：用于将采集的所述前半部分图像与所述后半部分图像合并得到所述待检测动物的侧面三维立体图像；
识别模块，用于基于所述侧面三维立体图像识别体尺测量点信息，所述体尺测量点信息包括耳根所在位置的坐标数据以及尾根所在位置的坐标数据；
生成模块，用于基于所述体尺测量点信息生成所述动物的体尺测定数据。
7.如权利要求6所述的装置，其特征在于，所述识别装置具体用于：
获取动物样本数据；
根据所述动物样本数据对待训练深度学习模型进行训练，得到损失函数；
基于所述损失函数得到特征检测模型；
通过所述特征检测模型对所述侧面三维猪体图像进行识别确定所述体尺测量点信息。
8.如权利要求6所述的装置，其特征在于，所述装置还包括确定模块，具体用于：
获取所述动物的标的信息；
将所述动物的体尺测定数据与预设体尺测定数据进行比对，确定所述动物对应的体尺测定级别；
基于所述动物的标的信息与所述体尺测定级别确定理赔标准。
9.一种电子设备，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计算机程序时实现如权利要求1至5中的任一项所述的方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中的任一项所述的方法的步骤。
CN202210540908.6A 2022-05-17 2022-05-17 动物体尺测定方法、装置、设备及存储介质 Pending CN114983394A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210540908.6A CN114983394A (zh) 2022-05-17 2022-05-17 动物体尺测定方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210540908.6A CN114983394A (zh) 2022-05-17 2022-05-17 动物体尺测定方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN114983394A true CN114983394A (zh) 2022-09-02

Family

ID=83027252

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210540908.6A Pending CN114983394A (zh) 2022-05-17 2022-05-17 动物体尺测定方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114983394A (zh)

Similar Documents

Publication Publication Date Title
US20210161193A1 (en) System and method of estimating livestock weight
Yukun et al. Automatic monitoring system for individual dairy cows based on a deep learning framework that provides identification via body parts and estimation of body condition score
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
CN109141248A (zh) 基于图像的猪体重测算方法及系统
CN109272546B (zh) 一种鱼苗长度测量方法及系统
CN112232978B (zh) 水产品体长和重量检测方法、终端设备及存储介质
CN112257564B (zh) 水产品数量统计方法、终端设备及存储介质
CN110569735A (zh) 一种基于奶牛背部体况的分析方法及装置
CN109559342B (zh) 动物体长的测量方法和装置
CN112288793B (zh) 畜类个体背膘检测方法、装置、电子设备及存储介质
CN115886792A (zh) 一种牲畜智能体尺测定方法、系统及装置
CN113706472A (zh) 公路路面病害检测方法、装置、设备及存储介质
Hansen et al. Non-intrusive automated measurement of dairy cow body condition using 3D video
CN114882213A (zh) 一种基于图片识别的动物体重预测估算系统
US20230096439A1 (en) Method, system and computer programs for traceability of living specimens
CN114983394A (zh) 动物体尺测定方法、装置、设备及存储介质
CN114511556B (zh) 胃黏膜出血风险预警方法、装置和医学图像处理设备
Salau et al. 2.3. Development of a multi-Kinect-system for gait analysis and measuring body characteristics in dairy cows
KR102289640B1 (ko) 비대칭 스테레오 카메라를 이용한 비접촉식 모바일 가축 체중 측정시스템
CN110934565B (zh) 一种瞳孔直径的测量方法、装置及计算机可读存储介质
CN111079617A (zh) 家禽识别方法、装置、可读存储介质及电子设备
CN113762745A (zh) 基于机器视觉的生猪体型外貌评定方法及装置
CN112784713A (zh) 一种基于图像的猪体重估测方法、系统、设备及存储介质
CN109460711A (zh) 对象识别方法、装置、存储介质及终端
CN117237990A (zh) 群养猪只体重的估测方法、装置、电子设备及存储介质

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