群养猪只体重的估测方法、装置、电子设备及存储介质

本发明涉及数据识别，尤其涉及一种群养猪只体重的估测方法、装置、电子设备及存储介质。

背景技术：

1、目前，测量猪只体重的方案包括直接测量和无接触式的间接测量。

2、直接测量是通过人工驱赶猪只进入称重设备，进而测得体重的方式，但是直接测量不仅费时费力，还会对猪只造成不良影响，带来巨大的经济损失。无接触的间接测量是对猪只进行无接触识别与检测的方式，通过摄像设备获取猪只的图像，基于图像识别技术估测出猪只的体重。间接测量的优点是能够实时迅速地获取猪只的体重，且不会对猪只造成不良影响，但是间接测量的测量精度与直接测量的测量精度相比还有待提高。

3、由于用于采集猪只图像的摄像设备视野有限，无法同时对大型养殖场内所有的群养猪只进行拍摄，而增加摄像设备的数量又会大大增加养殖场的成本，因此现有的基于图像识别技术估测猪只体重的方法一般仅能对包含单一待测猪只的图像进行图像识别和体重估测，且采集的图像一般为单一类型的图像，例如3d点云数据图像、rgb图像、深度图像等。

4、现有技术仅能对包含单一待测猪只的图像进行图像识别，进而估测该待测猪只的体重，而在群养状态下，由于群养猪只数量众多且猪只的姿态不一，往往难以采集到合适的图像进行图像识别，进而进行体重估测，且基于单一类型的图像进行图像识别和体重估测，容易丢失大量的数据信息，导致测量精度低。

技术实现思路

1、本发明提供一种群养猪只体重的估测方法、装置、电子设备及存储介质，用以解决现有技术中难以对群养猪只图像进行图像识别，进而进行体重估测，且基于单一类型的图像进行图像识别和体重估测，容易丢失大量的数据信息，导致测量精度低的缺陷。

2、本发明提供一种群养猪只体重的估测方法，包括：获取相同场景下拍摄的彩色图像和深度图像；彩色图像和深度图像均包括多个待测猪只；基于实例分割算法对彩色图像中的多个待测猪只进行识别和分割，得到多个图像掩膜；其中待测猪只和图像掩膜一一对应；将彩色图像、深度图像和待测猪只对应的图像掩膜进行拼接融合，生成四通道图像；将四通道图像输入至猪只体重估测模型中，得到猪只体重估测模型输出的对应每一待测猪只的体重估计值；其中，猪只体重估测模型是以rensnet18网络为基础，第一层卷积层为四通道输入，最后一层全连接层为一个节点输出体重估计值的神经网络模型。

3、根据本发明提供的一种群养猪只体重的估测方法，实例分割算法基于实例分割模型实现；基于实例分割算法对彩色图像中的多个待测猪只进行识别和分割，得到多个图像掩膜，包括：将彩色图像输入至实例分割模型的主干网络，得到主干网络输出的彩色图像的特征图；其中，实例分割模型是以mask r-cnn网络框架为基础，主干网络为swintransformer的cnn模型将特征图输入至实例分割模型的区域候选网络，得到区域候选网络输出的包括多个预选锚的共享特征图；每个预选锚对应彩色图像中的一个待测猪只；将共享特征图输入至实例分割模型的头部；头部对共享特征图中每个预选锚对应的待测猪只进行分类识别，以确定每一待测猪只的位置信息和分类结果信息，基于位置信息和分类结果信息生成并输出对应每一待测猪只的图像掩膜。

4、根据本发明提供的一种群养猪只体重的估测方法，将彩色图像、深度图像和待测猪只对应的图像掩膜进行拼接融合，生成四通道图像，包括：将彩色图像的像素点和深度图像的像素点一一对齐，得到对齐后的彩色图像和深度图像；将每一待测猪只的图像掩膜与对齐后的彩色图像和深度图像进行拼接融合，生成四通道的群养猪只图像。

5、根据本发明提供的一种群养猪只体重的估测方法，猪只体重估测模型用于提取四通道图像中每一待测猪只的多尺度特征，并根据多尺度特征确定每一待测猪只对应的体重估计值；多尺度特征包括猪只轮廓、猪只体积和猪只姿态；猪只姿态包括站立姿态、侧卧姿态和趴卧姿态。

6、根据本发明提供的一种群养猪只体重的估测方法，基于实例分割算法对彩色图像中的多个待测猪只进行识别和分割，得到多个图像掩膜之前，还包括：获得初始化实例分割模型；基于包含多个待测猪只的彩色图像样本和彩色图像样本对应的图像掩膜训练初始化实例分割模型；在初始化实例分割模型的训练过程中，基于对应的验证集数据确定初始化实例分割模型的平均精度均值；若平均精度均值高于第一预设阈值，则完成训练，得到实例分割模型。

7、根据本发明提供的一种群养猪只体重的估测方法，将四通道图像输入至猪只体重估测模型中，得到猪只体重估测模型输出的对应每一待测猪只的体重估计值之前，还包括：获得初始化猪只体重估测模型；基于四通道图像样本和四通道图像样本对应的每一待测猪只的体重估计值训练初始化猪只体重估测模型；在初始化猪只体重估测模型的训练过程中，基于对应的验证集数据确定初始化猪只体重估测模型的拟合优度值、平均绝对误差值和均方根误差值；若拟合优度值高于第二预设阈值、平均绝对误差值低于第三预设阈值、均方根误差值低于第四预设阈值，则完成训练，得到猪只体重估测模型。

8、根据本发明提供的一种群养猪只体重的估测方法，拟合优度值r2的计算公式为：

9、

10、平均绝对误差值mae的计算公式为：

11、

12、均方根误差值rmse的计算公式为：

13、

14、其中，n表示样本数量；yi表示第i个样本的真实值；表示第i个样本的预测值；表示样本真实值的平均值。

15、本发明还提供一种群养猪只体重的估测装置，包括：获取模块，用于获取相同场景下拍摄的彩色图像和深度图像；彩色图像和深度图像均包括多个待测猪只；实例分割模块，用于基于实例分割算法对彩色图像中的多个待测猪只进行识别和分割，得到多个图像掩膜；其中待测猪只和图像掩膜一一对应；拼接融合模块，用于将彩色图像、深度图像和待测猪只对应的图像掩膜进行拼接融合，生成四通道图像；体重估测模块，用于将四通道图像输入至猪只体重估测模型中，得到猪只体重估测模型输出的对应每一待测猪只的体重估计值；其中，猪只体重估测模型是以rensnet18网络为基础，第一层卷积层为四通道输入，最后一层全连接层为一个节点输出体重估计值的神经网络模型。

16、本发明还提供一种电子设备，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程序时实现如上述任一种所述群养猪只体重的估测方法。

17、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述群养猪只体重的估测方法。

18、本发明提供的群养猪只体重的估测方法、装置、电子设备及存储介质，获取相同场景下拍摄的彩色图像和深度图像，彩色图像和深度图像均包括多个待测猪只；基于实例分割算法对彩色图像中的多个待测猪只进行识别和分割，得到多个图像掩膜，其中待测猪只和图像掩膜一一对应；将彩色图像、深度图像和待测猪只对应的图像掩膜进行拼接融合，生成四通道图像，通过拼接融合彩色图像、深度图像和待测猪只对应的图像掩膜生成数据信息更丰富的四通道图像，避免了基于单一类型的图像进行图像识别导致大量数据信息丢失的可能，提高了后续模型估测的准确度，进而提高测量精度；将四通道图像输入至猪只体重估测模型中，得到猪只体重估测模型输出的对应每一待测猪只的体重估计值，其中，猪只体重估测模型是以rensnet18网络为基础，第一层卷积层为四通道输入，最后一层全连接层为一个节点输出体重估计值的神经网络模型，通过上述方式实现对包含多个待测猪只的群养猪只图像的图像识别，进而进行体重估测。