CN115355948A - 一种母猪体尺、体重、背膘厚度检测方法 - Google Patents

一种母猪体尺、体重、背膘厚度检测方法 Download PDF

Info

Publication number
CN115355948A
CN115355948A CN202211062790.7A CN202211062790A CN115355948A CN 115355948 A CN115355948 A CN 115355948A CN 202211062790 A CN202211062790 A CN 202211062790A CN 115355948 A CN115355948 A CN 115355948A
Authority
CN
China
Prior art keywords
sow
weight
body size
pig
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
Application number
CN202211062790.7A
Other languages
English (en)
Inventor
张建龙
叶绍波
王嘉伟
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.)
Shanxi Agricultural University
Original Assignee
Shanxi Agricultural University
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 Shanxi Agricultural University filed Critical Shanxi Agricultural University
Priority to CN202211062790.7A priority Critical patent/CN115355948A/zh
Publication of CN115355948A publication Critical patent/CN115355948A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
    • G01G19/52—Weighing apparatus combined with other objects, e.g. furniture
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • 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
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Multimedia (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及母猪检测领域，具体为一种母猪体尺、体重、背膘厚度检测方法，其包括以下步骤：S1、在猪舍顶部架设移动平台；S2、通过猪体背部深度图像采集模块从猪只上方采集背部深度图像；S3、对采集的猪体背部深度图像进行预处理；S4、将预处理后的图像输入母猪体尺、体重及背膘厚度估测模块，对母猪体尺、体重及背膘厚度进行估测；S5、数据存储并分析。本发明仅采用改造并训练后的Xception多输出回归卷积神经网络即可同时估测出猪只体尺、体重及背膘厚度信息，系统实现简单便捷，系统出错率低，更容易推广。

Description

一种母猪体尺、体重、背膘厚度检测方法
技术领域
本发明涉及母猪检测技术领域，尤其涉及一种母猪体尺、体重、背膘厚度检测方法。
背景技术
近年来，我国猪肉产量和消费量均为世界第一并远超其他国家，养殖业也正朝着精细化、规模化的方向发展。作为规模化养猪场中的核心生产力，母猪的任务是繁殖仔猪，因此其繁殖性能是评价猪场生产效益的重要指标。由于受到管理水平、营养、环境、遗传等因素的影响，我国平均每头母猪每年能生产的断奶仔猪(PSY)为16-23头，不敌美国的26.8头，更不敌丹麦的33.5头。
已有研究表明，母猪的体况(体尺、体重和背膘厚度)和其生产性能存在强相关性，通过调控营养水平将母猪体尺、体重和背膘厚度保持在合适的范围内有利于提高母猪的生产力，进而提高猪场的经济效益。由于母猪体况难以直接衡量，而体尺、体重和背膘厚度是反映母猪体况的重要指标，因此生产中可以将体尺、体重和背膘厚度作为母猪营养调控和选种育种的依据。目前母猪体重和背膘厚度测量主要是通过目测和兽用背膘仪，测量前需要将母猪背部测量点的毛剃除，清洁后再涂抹专用的耦合剂；测量时要尽量保持猪只安静，避免弓背或者塌腰产生的测量误差。由于测量的过程操作繁琐，并且可能给猪只带来应激，我国猪场在母猪生产过程中很少进行体尺体重背膘测量，对母猪的体况控制也还比较粗放，母猪群通常膘情混杂，生产能力参差不齐。
授权公告号为CN113989353A的中国专利公开了一种猪只背膘厚度测定方法及系统，包括：获取猪只臀部的RGB-D视频，通过预先训练的Mask R-CNN模型从RGB-D视频中的各帧图像中确定关键帧，并获得具有猪只目标的分割图像；然后再根据猪只的生理部位和臀部宽度，将具有猪只目标的分割图像切割获得猪只臀部关键区域图像；接着将猪只臀部关键区域图像做四通道输入至训练好的深度学习模型网路中进行膘厚预测。
但是上述已公开方案存在如下不足之处：图像获取方式较为繁琐，模型复杂，系统运行难度大。
发明内容
本发明目的是针对背景技术中存在的问题，提出一种简洁高效的母猪体尺、体重、背膘厚度检测方法。
本发明的技术方案：一种母猪体尺、体重、背膘厚度检测方法，包括以下步骤：
S1、在猪舍顶部架设移动平台；
S2、将猪体背部深度图像采集模块装于移动平台内部，从猪只上方采集背部深度图像；
S3、通过图像预处理模块对采集的猪体背部深度图像进行预处理；
S4、将预处理后的图像输入母猪体尺、体重及背膘厚度估测模块，对母猪体尺、体重及背膘厚度进行估测；
S5、数据存储模块对母猪体尺、体重和背膘厚度信息进行存储，分析模块分析估测的母猪体尺、体重和背膘厚度信息。
优选的，S1中，移动平台包括步进电机、移动滑轨、滑轮、编码器和控制模块；滑轮设置在移动平台上，滑轮与移动滑轨滑动连接，步进电机设置在移动平台上，通过步进电机带动滑轮转动来驱动移动平台，采用编码器测定步进电机转动角度以实现移动平台的运动定位。
优选的，S2中，猪体背部深度图像采集模块包括安装于母猪背部正上方的深度相机和补光单元，深度相机优选采用RealSense或Kinect深度相机，补光单元用于在光线暗时补充光照，保证所获取的深度图像质量，猪体背部深度图像采集模块安装于移动平台中，能够移动至猪舍内各头母猪背部正上方获取图像。
优选的，S3中，图像预处理包括以下步骤：S31、采集的原始图像中各点像素值为物体到相机的距离，对原始图像做深度还原，体现猪只真实高度；S32、深度还原后，将图像转换为像素值范围0-255的灰度图像；S33、将灰度图缩放为299*299像素大小，提升估测速度。
优选的，S4中，母猪体尺、体重及背膘厚度估测模块的模型为改造并训练后的Xception模型，Xception模型的改造过程如下：S41、去除Xception原模型尾部的分类输出层；S42、在剩余模型的尾部平行地添加7个单节点且无激活函数的全连接层作为输出，此时模型已变为多输出回归卷积神经网络，每层分别对应着体宽、体高、臀宽、臀高、体长、体重以及背膘厚度的输出，以实现母猪体尺、体重及背膘厚度的估测。
优选的，S4中，母猪体尺、体重及背膘厚度估测模块设有人机交互界面，界面左侧为所采集的猪体背部深度图像，右侧为母猪体尺、体重及背膘厚度估测结果，同时可以统计分析该头猪的长势。
与现有技术相比，本发明具有如下有益的技术效果：仅采用改造并训练后的Xception多输出回归卷积神经网络即可同时估测出猪只体尺、体重及背膘厚度信息，系统实现简单便捷，系统出错率低，更容易推广；同时从猪体背部上方获取深度图像，在猪舍中更容易实现；图像预处理仅需经过深度还原、灰度化、调整尺寸3步操作，简单方便，可提升系统运行速度。
附图说明
图1为母猪体尺、体重及背膘厚度估测的整体架构；
图2为移动平台及图像采集模块安装示意图；
图3为图像预处理过程示意图；
图4为母猪背膘厚度估测过程；
图5为母猪体尺、体重及背膘厚度估测模型改造示意图；
图6为人机交互界面。
具体实施方式
实施例一
如图1-6所示，本发明提出的一种母猪体尺、体重、背膘厚度检测方法，包括以下步骤：
S1、在猪舍顶部架设移动平台；
S2、将猪体背部深度图像采集模块装于移动平台内部，从猪只上方采集背部深度图像；
S3、通过图像预处理模块对采集的猪体背部深度图像进行预处理，具体步骤包括：S31、采集的原始图像中各点像素值为物体到相机的距离，对原始图像做深度还原，体现猪只真实高度；S32、深度还原后，将图像转换为像素值范围0-255的灰度图像；S33、将灰度图缩放为299*299像素大小，提升估测速度；
S4、将预处理后的图像输入母猪体尺、体重及背膘厚度估测模块，对母猪体尺、体重及背膘厚度进行估测；母猪体尺、体重及背膘厚度估测模块的模型为改造并训练后的Xception模型，Xception模型的改造过程如下：S41、去除Xception原模型尾部的分类输出层；S42、在剩余模型的尾部平行地添加7个单节点且无激活函数的全连接层作为输出，此时模型已变为多输出回归卷积神经网络，每层分别对应着体宽、体高、臀宽、臀高、体长、体重以及背膘厚度的输出，以实现母猪体尺、体重及背膘厚度的估测；母猪体尺、体重及背膘厚度估测模块设有人机交互界面，界面左侧为所采集的猪体背部深度图像，右侧为母猪体尺、体重及背膘厚度估测结果，同时可以统计分析该头猪的长势；
S5、数据存储模块对母猪体尺、体重和背膘厚度信息进行存储，分析模块分析估测的母猪体尺、体重和背膘厚度信息。
本实施例中，图1为母猪体尺、体重及背膘厚度估测的整体架构，图像预处理模块、母猪体尺、体重及背膘厚度估测模块、数据存储和分析模块集成于服务器中，服务器同时还控制移动模块的运动，通过图像采集模块采集母猪背部深度图像，S4中，模型训练过程如下：预先采集两部分数据，分别是建模数据和测试数据。建模数据用于训练和确定模型的参数量，测试数据作为未知数据测试模型的泛化能力。将数据按照步骤S3预处理后，给每张图像都添加7个标签，依次为猪只背膘厚度、体重、体宽、体高、臀宽、臀高和体长值。训练时所用数据为建模数据，将所有建模数据顺序打乱后以7:3的比例随机划分为训练集和验证集，模型训练过程中以预处理过的猪体背部3D图像为输入，猪只体尺、体重及背膘厚度为输出。由于各体尺、体重及背膘厚度区间内的数据量比较均衡，因此选取均方差(Mean SquareError，MSE)为损失函数以评价各模型的估测能力，具体为各体尺、体重、背膘厚度估测的均方差之和。训练过程中保留MSE最低的参数作为最终训练的模型，并通过测试数据考察了该模型的估测性能。本实施例中，仅采用改造并训练后的Xception多输出回归卷积神经网络即可同时估测出猪只体尺、体重及背膘厚度信息，系统实现简单便捷，系统出错率低，更容易推广；同时从猪体背部上方获取深度图像，在猪舍中更容易实现；图像预处理仅需经过深度还原、灰度化、调整尺寸3步操作，简单方便，可提升系统运行速度。
实施例二
如图2所示，本发明提出的一种母猪体尺、体重、背膘厚度检测方法，相较于实施例一，S1中，移动平台包括步进电机、移动滑轨、滑轮、编码器和控制模块；滑轮设置在移动平台上，滑轮与移动滑轨滑动连接，步进电机设置在移动平台上，通过步进电机带动滑轮转动来驱动移动平台，采用编码器测定步进电机转动角度以实现移动平台的运动定位。
本实施例中，在母猪限位栏上方架设移动平台，其内部安装有猪体背部深度图像采集模块。猪体背部深度图像采集模块安装于移动平台中，可以移动至猪舍内各头母猪背部正上方获取图像。
实施例三
如图2所示，本发明提出的一种母猪体尺、体重、背膘厚度检测方法，相较于实施例一，S2中，猪体背部深度图像采集模块包括安装于母猪背部正上方的深度相机和补光单元，深度相机优选采用RealSense或Kinect深度相机，补光单元用于在光线暗时补充光照，保证所获取的深度图像质量，猪体背部深度图像采集模块安装于移动平台中，能够移动至猪舍内各头母猪背部正上方获取图像。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于此，在所属技术领域的技术人员所具备的知识范围内，在不脱离本发明宗旨的前提下还可以作出各种变化。

Claims (6)

1.一种母猪体尺、体重、背膘厚度检测方法，其特征在于，包括以下步骤：
S1、在猪舍顶部架设移动平台；
S2、将猪体背部深度图像采集模块装于移动平台内部，从猪只上方采集背部深度图像；
S3、通过图像预处理模块对采集的猪体背部深度图像进行预处理；
S4、将预处理后的图像输入母猪体尺、体重及背膘厚度估测模块，对母猪体尺、体重及背膘厚度进行估测；
S5、数据存储模块对母猪体尺、体重和背膘厚度信息进行存储，分析模块分析估测的母猪体尺、体重和背膘厚度信息。
2.根据权利要求1所述的母猪体尺、体重、背膘厚度检测方法，其特征在于，S1中，移动平台包括步进电机、移动滑轨、滑轮、编码器和控制模块；滑轮设置在移动平台上，滑轮与移动滑轨滑动连接，步进电机设置在移动平台上，通过步进电机带动滑轮转动来驱动移动平台，采用编码器测定步进电机转动角度以实现移动平台的运动定位。
3.根据权利要求1所述的母猪体尺、体重、背膘厚度检测方法，其特征在于，S2中，猪体背部深度图像采集模块包括安装于母猪背部正上方的深度相机和补光单元，深度相机优选采用RealSense或Kinect深度相机，补光单元用于在光线暗时补充光照，保证所获取的深度图像质量，猪体背部深度图像采集模块安装于移动平台中，能够移动至猪舍内各头母猪背部正上方获取图像。
4.根据权利要求1所述的母猪体尺、体重、背膘厚度检测方法，其特征在于，S3中，图像预处理包括以下步骤：
S31、采集的原始图像中各点像素值为物体到相机的距离，对原始图像做深度还原，体现猪只真实高度；
S32、深度还原后，将图像转换为像素值范围0-255的灰度图像；
S33、将灰度图缩放为299*299像素大小，提升估测速度。
5.根据权利要求1所述的母猪体尺、体重、背膘厚度检测方法，其特征在于，S4中，母猪体尺、体重及背膘厚度估测模块的模型为改造并训练后的Xception模型，Xception模型的改造过程如下：S41、去除Xception原模型尾部的分类输出层；S42、在剩余模型的尾部平行地添加7个单节点且无激活函数的全连接层作为输出，此时模型已变为多输出回归卷积神经网络，每层分别对应着体宽、体高、臀宽、臀高、体长、体重以及背膘厚度的输出，以实现母猪体尺、体重及背膘厚度的估测。
6.根据权利要求1所述的母猪体尺、体重、背膘厚度检测方法，其特征在于，S4中，母猪体尺、体重及背膘厚度估测模块设有人机交互界面，界面左侧为所采集的猪体背部深度图像，右侧为母猪体尺、体重及背膘厚度估测结果，同时可以统计分析该头猪的长势。
CN202211062790.7A 2022-09-01 2022-09-01 一种母猪体尺、体重、背膘厚度检测方法 Pending CN115355948A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211062790.7A CN115355948A (zh) 2022-09-01 2022-09-01 一种母猪体尺、体重、背膘厚度检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211062790.7A CN115355948A (zh) 2022-09-01 2022-09-01 一种母猪体尺、体重、背膘厚度检测方法

Publications (1)

Publication Number Publication Date
CN115355948A true CN115355948A (zh) 2022-11-18

Family

ID=84004864

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211062790.7A Pending CN115355948A (zh) 2022-09-01 2022-09-01 一种母猪体尺、体重、背膘厚度检测方法

Country Status (1)

Country Link
CN (1) CN115355948A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116363141A (zh) * 2023-06-02 2023-06-30 四川省畜牧科学研究院 一种妊娠母猪智能体型评价装置及系统
CN116416260A (zh) * 2023-05-19 2023-07-11 四川智迅车联科技有限公司 一种基于图像处理的称重精度优化方法及系统
CN116452597A (zh) * 2023-06-20 2023-07-18 厦门农芯数字科技有限公司 母猪背膘高精度测定方法、系统、设备及存储介质

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116416260A (zh) * 2023-05-19 2023-07-11 四川智迅车联科技有限公司 一种基于图像处理的称重精度优化方法及系统
CN116416260B (zh) * 2023-05-19 2024-01-26 四川智迅车联科技有限公司 一种基于图像处理的称重精度优化方法及系统
CN116363141A (zh) * 2023-06-02 2023-06-30 四川省畜牧科学研究院 一种妊娠母猪智能体型评价装置及系统
CN116363141B (zh) * 2023-06-02 2023-08-18 四川省畜牧科学研究院 一种妊娠母猪智能体型评价装置及系统
CN116452597A (zh) * 2023-06-20 2023-07-18 厦门农芯数字科技有限公司 母猪背膘高精度测定方法、系统、设备及存储介质
CN116452597B (zh) * 2023-06-20 2023-08-29 厦门农芯数字科技有限公司 母猪背膘高精度测定方法、系统、设备及存储介质

Similar Documents

Publication Publication Date Title
CN115355948A (zh) 一种母猪体尺、体重、背膘厚度检测方法
CN109785337B (zh) 一种基于实例分割算法的栏内哺乳动物清点方法
CN111696139B (zh) 基于rgb图像的白羽种鸡群体体重估测系统和方法
CN113971779B (zh) 一种基于深度学习的水尺自动读数方法
CN108961269B (zh) 基于图像的猪体重测算方法及系统
CN108288506A (zh) 一种基于人工智能技术的癌症病理辅助诊断方法
CN108961330B (zh) 基于图像的猪体长测算方法及系统
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
CN109886928A (zh) 一种目标细胞标记方法、装置、存储介质及终端设备
CN111141653B (zh) 一种基于神经网络的隧道渗漏速率预测方法
CN109380146A (zh) 生猪自动测量装置和方法
CN112184791A (zh) 一种基于cnn-lstm神经网络的牦牛体重预测方法
CN110084192A (zh) 基于目标检测的快速动态手势识别系统及方法
CN115641364B (zh) 基于胚胎动力学参数的胚胎分裂周期智能预测系统及方法
CN116977937A (zh) 一种行人重识别的方法及系统
EP3769036B1 (en) Method and system for extraction of statistical sample of moving fish
CN115226650B (zh) 基于交互特征的母猪发情状态自动检测系统
CN104809688A (zh) 基于仿射变换配准算法的羊体体尺测量方法及系统
CN117029904A (zh) 一种智能化笼养家禽巡检系统
EP4395539A1 (en) Artificial intelligence and vision-based broiler body weight measurement system and process
CN115530762A (zh) 一种cbct颞下颌关节自动定位方法和系统
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
CN113099175A (zh) 一种基于5g的多模型手持云端检测传输系统及检测方法
CN113627255A (zh) 一种小鼠行为量化分析方法、装置、设备及可读存储介质
CN111008569A (zh) 一种基于人脸语义特征约束卷积网络的眼镜检测方法

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