本發(fā)明專利技術(shù)的一種數(shù)據(jù)層融合的母豬體況綜合評分方法屬于一種檢測方法，包括如下步驟：S1：圖像采集與數(shù)據(jù)獲取；S2：RGB圖像與深度圖像融合為點云；S3：原始點云與融合后點云融合；S4：融合后點云與一維數(shù)據(jù)融合；S5：母豬體況評分模型的建立和訓(xùn)練；S6：母豬體況評分。本發(fā)明專利技術(shù)將一維數(shù)據(jù)、二維圖像、三維圖像通過數(shù)據(jù)融合方法，完成數(shù)據(jù)層的融合，提出了CIW方法，這種方法旨在提高模型對少數(shù)類(長尾部分)的關(guān)注度，同時保持對多數(shù)類的識別能力，RGB圖像包含豬體的顏色、輪廓、紋理特征；深度相機(jī)采集的為單個激光點視角的豬體特征；激光雷達(dá)采集了多個分布式激光點的視角的豬體特征；三類不同的圖像特征，互相補(bǔ)充，同時兼顧不同的品種、胎次和生產(chǎn)階段，使得評分方法具有廣泛的適用性。
1、母豬體況是評估其飼養(yǎng)管理質(zhì)量及生產(chǎn)效能的核心指標(biāo)，體況評分是一種評估動物身體狀況的量化方法，有助于了解動物的健康狀態(tài)，指導(dǎo)飼養(yǎng)管理，并預(yù)測動物的生產(chǎn)性能。人工視覺評分的方式通常依賴專業(yè)人員通過觀察母豬后視圖中臀部的飽滿程度和觸摸母豬脊柱等身體的特定部位，如骨骼、皮下脂肪和肌肉等，來確定母豬的營養(yǎng)狀況和能量儲備，進(jìn)行直觀的評分。這種評分方式的結(jié)果容易受到主觀因素的影響，因此可靠性較差。評定過程不僅耗時費(fèi)力，還容易引起動物的應(yīng)激反應(yīng)。通過背膘厚度評分的方式由人工使用儀器測量背膘，也存在著耗時費(fèi)力和易引起動物應(yīng)激反應(yīng)的缺點，同時不利于生物安全管理。近年來隨著傳感器技術(shù)和人工智能技術(shù)的發(fā)展，少數(shù)研究通過機(jī)器視覺技術(shù)進(jìn)行了母豬體況評分的探索。目前提出的基于機(jī)器學(xué)習(xí)母豬體況評分方法，只通過母豬臀部后視圖的rgb圖像或是深度圖像進(jìn)行體況評分，評分的準(zhǔn)確率受限。目前沒有將母豬背部、側(cè)面和臀部等多個視角結(jié)合，將一維數(shù)據(jù)、二維圖像和三維圖像進(jìn)行數(shù)據(jù)級融合，獲得與母豬身體狀況相關(guān)的全面綜合的數(shù)據(jù)，進(jìn)而進(jìn)行母豬體況評分的方法。
>5、(1)在母豬右側(cè)、左側(cè)和臀部后方分別通過rgb相機(jī)、深度相機(jī)、激光雷達(dá)獲取其同一位置的二維rgb圖像、三維深度圖像和三維點云，實現(xiàn)圖像的采集；其中，rgb相機(jī)和深度相機(jī)設(shè)置相同的分辨率；6、(2)獲取母豬品種、胎次、繁殖階段一維數(shù)據(jù)；
7、s2：rgb圖像與深度圖像融合為點云
8、(1)rgb圖像配準(zhǔn)
9、a、將深度圖轉(zhuǎn)換為灰度圖
10、深度相機(jī)架設(shè)在離地面m米高處，因此深度圖像中深度值的范圍為[0,m]，將深度圖像進(jìn)行處理，完成深度值到灰度值的映射，生成帶有深度信息的灰度圖像，灰度圖像的灰度值范圍為[0,255]共256個值，深度值映射原理如公式(1)所示，其中，zi為轉(zhuǎn)換后的灰度圖的灰度值，di為原深度圖像中的深度值，i為每個像素的下標(biāo)；
11、
12、b、使用灰度圖配準(zhǔn)rgb圖
13、通過特征點識別和匹配算法進(jìn)行rgb圖與s2(1)a步驟所得灰度圖中豬體區(qū)域特征點的匹配，換算出配準(zhǔn)系數(shù)[cx,cy]，將rgb圖進(jìn)行轉(zhuǎn)換，使得rgb圖中的豬體和灰度圖重合，得到配準(zhǔn)后的rgb圖像；其中，rgb圖轉(zhuǎn)換的原理如公式(2)所示，其中(x0,y0)為rgb圖像配準(zhǔn)前的坐標(biāo)，(x,y)為配準(zhǔn)后的坐標(biāo)，cx為橫坐標(biāo)的配準(zhǔn)系數(shù)，cy為縱坐標(biāo)的配準(zhǔn)系數(shù)；
14、
15、(2)深度圖像轉(zhuǎn)換為點云
16、獲取深度相機(jī)的內(nèi)參，焦距fx和fy，將數(shù)據(jù)從圖像坐標(biāo)系轉(zhuǎn)換到世界坐標(biāo)系，得到轉(zhuǎn)換后的點云，計算公式如公式(3)所示：
17、
18、其中，x，y，z為點云坐標(biāo)，d為深度值，fx和fy為相機(jī)焦距，x′和y′為深度圖像坐標(biāo)，轉(zhuǎn)換后點云包含背景和豬體；
19、(3)配準(zhǔn)后的rgb圖像與轉(zhuǎn)換后的點云融合
20、s2(2)中轉(zhuǎn)換后的點云數(shù)據(jù)維度為n×3，其中n為每個點云點的個數(shù)，3為每個點的坐標(biāo)(x,y,z)的數(shù)據(jù)維度；s2(1)中配準(zhǔn)后的rgb圖像的數(shù)據(jù)維度為x×y×3，其中x和y為配準(zhǔn)后的rgb圖像的尺寸，3為每個像素點的rgb值，表示為(r,g,b)；
21、通過連接操作將配準(zhǔn)后的rgb圖像與轉(zhuǎn)換后的點云融合，記作符號⊕，融合操作定義為(x,y,z)⊕(r,g,b)，表示將點云的坐標(biāo)點(x,y,z)與rgb值(r,g,b)進(jìn)行連接，融合后的數(shù)據(jù)，仍以點云的形式呈現(xiàn)，點云的維度為n×6，其中n為融合后點云點的個數(shù)，6為每個點的的數(shù)據(jù)維度，融合后每個點的數(shù)據(jù)表示為(x,y,z,r,g,b)；
22、s3：原始點云與融合后點云融合
23、經(jīng)過s2獲得的融合點云與s1步驟(1)中通過激光雷達(dá)采集到的原始豬體點云進(jìn)行融合，兩部分點云分別包含豬體和背景，首先進(jìn)行豬體點云的分割，分割后的豬體分別包含豬的左側(cè)點云、右側(cè)點云和后臀部點云，之后將分割后的所有點云進(jìn)行融合，具體步驟如下：
24、(1)豬體點云分割
25、點云包含豬體和背景兩個部分，采用具有柔性卷積核的kpfcnn方法進(jìn)行豬體點云分割，去掉背景點云，分割出豬體部分的點云，采用最近鄰法進(jìn)行點的上采樣，采用對應(yīng)層特征傳播，特征提取的核心操作是核點卷積，任意點x的特征為其所有鄰域點特征分別經(jīng)過核心點卷積后求和，計算如式(4)所示：
26、
27、其中，xi為點x在鄰域空間nx內(nèi)的點，fi為鄰域點xi的特征，函數(shù)g為核點卷積運(yùn)算，本模型中使用柔性卷積核，δ(x)為核點的偏移量；
28、(2)點云融合
29、分割后的點云包含六個部分，表示為i，分別是s1步驟(1)中激光雷達(dá)采集的豬體兩側(cè)點云、豬體后臀部點云，以及s2步驟(3)中rgb與深度圖像融合而來的豬體兩側(cè)點云、豬體后臀部點云，點云維度為ni×6，i＝1,2,3,4,5,6；其中ni為每個點云中點的個數(shù)，將六個類型的點云直接進(jìn)行數(shù)據(jù)的連接，融合后的點云維度為
30、s4：融合后點云與一維數(shù)據(jù)融合
31、s3步驟融合后的點云維度一維數(shù)據(jù)的維度1×3，首先將一維數(shù)據(jù)進(jìn)行重復(fù)性擴(kuò)展，維度變?yōu)閷⒕S度為的融合點云與維度為的擴(kuò)展數(shù)據(jù)，進(jìn)行對應(yīng)點特征的連接操作，最終融合的數(shù)據(jù)的維度為
32、s5：母豬體況評分模型的建立和訓(xùn)練
33、通過s2步驟、s3步驟、s4步驟數(shù)據(jù)融合操作，將一維、二維、三維數(shù)據(jù)進(jìn)行融合，最終完成了多模態(tài)體況評估數(shù)據(jù)的數(shù)據(jù)層融合，融合后的數(shù)據(jù)維度為將其作為輸入建立體況評分模型完成母豬體況評分；母豬體況評分采用5級評分標(biāo)準(zhǔn)，基于類別影響度加權(quán)(category?influence?weighting,ciw)的體況評分方法：
34、此處的類別數(shù)為5分別對應(yīng)母豬的5個評分等級，ciw具體步驟如下：
35、(1)類別樣本數(shù)量統(tǒng)計
36、統(tǒng)計每個類別i的樣本數(shù)量，得到第i個類別的樣本數(shù)ni，i＝1,2,3,4,5；
37、(2)預(yù)測不確定性評估
38、使用repsurf模型對每個類別的樣本進(jìn)行預(yù)測，對于單個樣本，其預(yù)測的熵h計算如公
39、式5所示：
40、
41、其中pi為第i個類別的預(yù)測概率；為了計算每個類別i的平均預(yù)測不確定性ui，需要對屬于該類別的所有樣本的熵進(jìn)行平均，計算如公式6所示；其中，第i個類別的樣本數(shù)ni，每個樣本k的熵為hk：<本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點】
1.一種數(shù)據(jù)層融合的母豬體況綜合評分方法，其特征包括如下步驟：
2.如權(quán)利要求1所述的一種數(shù)據(jù)層融合的母豬體況綜合評分方法，其特征在于根據(jù)步驟S6母豬體況評分，進(jìn)行精準(zhǔn)的飼喂和管理。
【技術(shù)特征摘要】
1.一種數(shù)據(jù)層融合的母豬體況綜合評分方法，其特征包括如下步驟：
2.如權(quán)利要求1所述的...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：周紅，謝秋菊，劉培杰，李斌，李海源，劉洪貴，包軍，鄭萍，于海明，張繼成，王文峰，
申請(專利權(quán))人：東北農(nóng)業(yè)大學(xué)，
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。