【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及機器視覺，尤其涉及一種基于機器視覺的生豬資產(chǎn)盤點方法、系統(tǒng)及設(shè)備。
技術(shù)介紹
1、生豬盤點是規(guī)模化養(yǎng)殖中的重要環(huán)節(jié)，它可以為資產(chǎn)管理提供重要的依據(jù)。生豬體重作為關(guān)鍵的指標(biāo)參數(shù)，能夠反映其生長速度、健康狀況等諸多信息，及時準確的掌握生豬的體重信息具有重要意義。
2、近年來，我國的生豬養(yǎng)殖業(yè)正朝著規(guī)模化、智能化的方向發(fā)展，傳統(tǒng)的生豬數(shù)量盤點和體重估測方法已經(jīng)難以滿足現(xiàn)代化養(yǎng)殖的需求。傳統(tǒng)的方法往往依賴人工操作，不僅耗時耗力，而且容易出現(xiàn)錯誤，無法實現(xiàn)對生豬資產(chǎn)的高效、準確管理。
3、隨著人工智能、物聯(lián)網(wǎng)等前沿技術(shù)的發(fā)展，機器視覺技術(shù)逐漸應(yīng)用到生豬盤點和體重估算領(lǐng)域。然而，由于此類技術(shù)的商用產(chǎn)品價格高昂，大多數(shù)中小型養(yǎng)殖企業(yè)難以承擔(dān)，仍然采用傳統(tǒng)的養(yǎng)殖模式。這無疑是制約了整個行業(yè)的智能化發(fā)展進程，同時也凸顯了推廣普及的重要性和迫切性。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)提供了一種基于機器視覺的生豬資產(chǎn)盤點方法、系統(tǒng)及設(shè)備，旨在解決現(xiàn)有的生豬資產(chǎn)盤點的準確性和效率較低的技術(shù)問題，從而能夠降低勞動力和系統(tǒng)應(yīng)用成本，且能夠?qū)崟r監(jiān)測生豬的生長情況，為養(yǎng)殖者提供科學(xué)決策的依據(jù)。
2、一方面，本專利技術(shù)提供了一種基于機器視覺的生豬資產(chǎn)盤點方法，所述方法包括以下步驟：步驟s1：獲取待測養(yǎng)殖場的豬欄上方的圖像采集設(shè)備拍攝的生豬圖像；步驟s2：將所述生豬圖像輸入至預(yù)先訓(xùn)練好的生豬體重預(yù)測模型中進行體重預(yù)估；其中，所述生豬體重預(yù)測模型是基于yolo?v8n-seg
3、在本專利技術(shù)的一種實現(xiàn)方式中，所述生豬體重預(yù)測模型的訓(xùn)練過程，具體包括以下步驟：步驟s21：獲取生豬圖像，基于圖像標(biāo)注工具對這些圖像進行數(shù)據(jù)集制作；步驟s22：將標(biāo)注好的數(shù)據(jù)集輸入實例分割模型進行訓(xùn)練；步驟s23：基于訓(xùn)練好的實例分割模型進行圖像分割；步驟s24：基于二值化、形態(tài)學(xué)處理、邊緣檢測對所述步驟s23中的實例分割結(jié)果做進一步的處理，從處理的圖像中提取生豬的特征參數(shù)；其中，所述生豬的特征參數(shù)包括：生豬體長、生豬體寬、生豬輪廓面積、生豬輪廓周長；步驟s25：利用所述特征參數(shù)與已知的體重數(shù)據(jù)，并基于yolo?v8n-seg算法構(gòu)建用于生豬體重估測的生豬體重預(yù)測模型，并進行訓(xùn)練。
4、在本專利技術(shù)的一種實現(xiàn)方式中，所述步驟s21，具體包括：獲取豬欄內(nèi)攝像頭錄制的生豬視頻；對視頻片段進行取幀操作，并基于結(jié)構(gòu)相似性算法以及設(shè)定相似度閾值對圖像進行去冗余處理，去除過于相似和重復(fù)度較高的圖像；基于labelme圖像標(biāo)注工具，對采集到的圖像中的每個生豬個體進行多邊形標(biāo)注，構(gòu)建一個實例分割數(shù)據(jù)集，并保存為json格式。
5、在本專利技術(shù)的一種實現(xiàn)方式中，所述步驟s24，具體包括：獲取僅顯示掩膜信息的二值化最佳圖像；基于開運算、邊緣檢測、最小旋轉(zhuǎn)邊界框和橢圓擬合操作，提取所述生豬的特征參數(shù)；將圖像的背景顏色設(shè)置為灰色，進行灰度化處理；基于圖像遍歷將圖像設(shè)置為二值化圖像，背景設(shè)置為黑色，掩膜設(shè)置為白色。
6、在本專利技術(shù)的一種實現(xiàn)方式中，所述步驟s25，具體包括：將提取到的所述生豬的特征參數(shù)與已知的體重數(shù)據(jù)進行數(shù)據(jù)清洗，并制作相應(yīng)的數(shù)據(jù)集；構(gòu)建多元線性回歸模型作為生豬的體重預(yù)測模型，并進行訓(xùn)練；訓(xùn)練完成后，評估生豬體重的實際值與模型預(yù)測值之間的誤差，若誤差較大，需對模型進行優(yōu)化改進，直至模型的預(yù)測誤差達到預(yù)期效果。
7、在本專利技術(shù)的一種實現(xiàn)方式中，所述步驟s2之后，所述方法還包括：將訓(xùn)練好的所述生豬體重預(yù)測模型移植到嵌入式邊緣設(shè)備中，在邊緣端實現(xiàn)實時監(jiān)測；具體包括：在jetson開發(fā)板上安裝操作系統(tǒng)和驅(qū)動程序，并安裝jetpack以及tensorrt工具；將訓(xùn)練好的模型導(dǎo)出為onnx格式，復(fù)制到所述jetson開發(fā)板中；基于tensorrt工具對模型進行加速和優(yōu)化，并將onnx格式的模型轉(zhuǎn)換為engine格式；編寫模型推理代碼，在邊緣端實現(xiàn)實時監(jiān)測功能。
8、在本專利技術(shù)的一種實現(xiàn)方式中，基于yolo?v8n-seg算法改進的所述生豬體重預(yù)測模型包括backbone、neck和head三部分構(gòu)成，其中backbone負責(zé)從輸入圖像中提取特征信息，neck負責(zé)將不同層級的特征進行融合，head負責(zé)對目標(biāo)進行定位分類，生成檢測結(jié)果。
9、在本專利技術(shù)的一種實現(xiàn)方式中，所述方法還包括：jetson邊緣設(shè)備在現(xiàn)場完成檢測后，將盤點的數(shù)據(jù)通過無線網(wǎng)絡(luò)傳輸至后臺消息服務(wù)器，并存儲到數(shù)據(jù)庫中；在顯示設(shè)備上顯示生豬的資產(chǎn)盤點數(shù)據(jù)。
10、本專利技術(shù)還提供了一種基于機器視覺的生豬資產(chǎn)盤點系統(tǒng)，應(yīng)用于前述的基于機器視覺的生豬資產(chǎn)盤點方法，所述系統(tǒng)包括：圖像獲取單元，用于獲取待測養(yǎng)殖場的豬欄上方的圖像采集設(shè)備拍攝的生豬圖像；體重預(yù)測單元，用于將所述生豬圖像輸入至預(yù)先訓(xùn)練好的生豬體重預(yù)測模型中進行體重預(yù)估；其中，所述生豬體重預(yù)測模型是基于yolo?v8n-seg算法改進的模型，所述生豬體重預(yù)測模型的參數(shù)量及浮點運算量相較于原始模型更低；所述生豬體重預(yù)測模型的訓(xùn)練過程，具體包括以下步驟：步驟s21：獲取生豬圖像，基于圖像標(biāo)注工具對這些圖像進行數(shù)據(jù)集制作；步驟s22：將標(biāo)注好的數(shù)據(jù)集輸入實例分割模型進行訓(xùn)練；步驟s23：基于訓(xùn)練好的實例分割模型進行圖像分割；步驟s24：基于二值化、形態(tài)學(xué)處理、邊緣檢測對所述步驟s23中的實例分割結(jié)果做進一步的處理，從處理的圖像中提取生豬的特征參數(shù)；其中，所述生豬的特征參數(shù)包括：生豬體長、生豬體寬、生豬輪廓面積、生豬輪廓周長；步驟s25：利用所述特征參數(shù)與已知的體重數(shù)據(jù)，并基于yolo?v8n-seg算法構(gòu)建用于生豬體重估測的生豬體重預(yù)測模型，并進行訓(xùn)練；資產(chǎn)盤點數(shù)據(jù)生成單元，用于基于預(yù)測結(jié)果，生成所述待測養(yǎng)殖場的生豬資產(chǎn)盤點數(shù)據(jù)。
11、本專利技術(shù)還提供了一種基于機器視覺的生豬資產(chǎn)盤點設(shè)備，所述設(shè)備包括：至少一個處理器；以及與所述至少一個處理器通信連接的存儲器；其中，所述存儲器存儲有可被所述至少一個處理器執(zhí)行的指令，所述指令被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠完成前述的一種基于機器視覺的生豬資產(chǎn)盤點方法。
12、本專利技術(shù)提供的一種基于機器視覺的生豬資產(chǎn)盤點方法、系統(tǒng)本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于機器視覺的生豬資產(chǎn)盤點方法，其特征在于，所述方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于機器視覺的生豬資產(chǎn)盤點方法，其特征在于，所述步驟S21，具體包括：
3.根據(jù)權(quán)利要求1所述的一種基于機器視覺的生豬資產(chǎn)盤點方法，其特征在于，所述步驟S24，具體包括：
4.根據(jù)權(quán)利要求1所述的一種基于機器視覺的生豬資產(chǎn)盤點方法，其特征在于，所述步驟S25，具體包括：
5.根據(jù)權(quán)利要求1所述的一種基于機器視覺的生豬資產(chǎn)盤點方法，其特征在于，所述步驟S2之后，所述方法還包括：將訓(xùn)練好的所述生豬體重預(yù)測模型移植到嵌入式邊緣設(shè)備中，在邊緣端實現(xiàn)實時監(jiān)測；具體包括：
6.根據(jù)權(quán)利要求1所述的一種基于機器視覺的生豬資產(chǎn)盤點方法，其特征在于，基于YOLO?v8n-seg算法改進的所述生豬體重預(yù)測模型包括Backbone、Neck和Head三部分構(gòu)成，其中Backbone負責(zé)從輸入圖像中提取特征信息，Neck負責(zé)將不同層級的特征進行融合，Head負責(zé)對目標(biāo)進行定位分類，生成檢測結(jié)果。
7.根據(jù)權(quán)利要求4所述的一種基于機
8.一種基于機器視覺的生豬資產(chǎn)盤點系統(tǒng)，應(yīng)用于權(quán)利要求1-7任意一項所述的基于機器視覺的生豬資產(chǎn)盤點方法，其特征在于，所述系統(tǒng)包括：
9.一種基于機器視覺的生豬資產(chǎn)盤點設(shè)備，其特征在于，所述設(shè)備包括：
...【技術(shù)特征摘要】
1.一種基于機器視覺的生豬資產(chǎn)盤點方法，其特征在于，所述方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于機器視覺的生豬資產(chǎn)盤點方法，其特征在于，所述步驟s21，具體包括：
3.根據(jù)權(quán)利要求1所述的一種基于機器視覺的生豬資產(chǎn)盤點方法，其特征在于，所述步驟s24，具體包括：
4.根據(jù)權(quán)利要求1所述的一種基于機器視覺的生豬資產(chǎn)盤點方法，其特征在于，所述步驟s25，具體包括：
5.根據(jù)權(quán)利要求1所述的一種基于機器視覺的生豬資產(chǎn)盤點方法，其特征在于，所述步驟s2之后，所述方法還包括：將訓(xùn)練好的所述生豬體重預(yù)測模型移植到嵌入式邊緣設(shè)備中，在邊緣端實現(xiàn)實時監(jiān)測；具體包括：
6.根據(jù)...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：鄭紀業(yè)，王興家，穆元杰，封文杰，盛清凱，
申請(專利權(quán))人：山東省農(nóng)業(yè)科學(xué)院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。