一种体重估计方法、系统和存储介质与流程

本申请涉及深度学习，尤其涉及一种动物体重估计方法、系统和存储介质。

背景技术：

1、养殖场出售动物，作为养殖的最后一个关键环节，对于养殖户而言需要对动物体重进行估计以制定出售策略。

2、以猪为例，现有技术一般体重预估会由以下几个办法进行：

3、(1)用一个小磅秤，把猪赶到过道或栋舍外，然后一头一头过磅，记录重量，根据实际情况来抽取一些比例，一般会是2-3％的比例，栏位内也会针对性的挑选一些偏大或偏小的猪，再加以配合人的观察，从而推算整个猪场大概的体重范围情况。这个方法，抽取比例有限，而且比较费时费力，基础数量一大，实际操作难度变大，

4、(2)通过日龄来推算一个重量，但是实际情况中，因为天气环境等因素多变，日龄推算的数据浮动偏差过大，后台只是查看日龄数据，往往对于体重范围的掌控很不准确。

5、(3)通过人的经验，观察生猪情况，从而对生猪估重。较为依赖人本身的经验，以及基础数量一大，往往偏差就会变大。

6、如上现有方法对于体重的预估不够准确，且效率低下。

技术实现思路

1、本申请的一个目的是提供一种动物体重估计方法、系统和存储介质，至少用以解决养殖业中动物体重估计的准确性和效率的技术问题。

2、为实现上述目的，本申请的一些实施例提供了以下几个方面：

3、第一方面，本申请提供了一种动物体重估计方法，包括：

4、采集多个同种动物的视频，从所述视频中提取出显示不同动物的图像；

5、对每张图像进行语义分割，得到一个动物每个部位所占像素点数量；

6、将一个动物多个部位的像素点数量输入到深度学习模型中，得到所述动物的体重估计值；

7、统计视频中所有动物的体重估计值。

8、可选的，所述从所述视频中提取出显示不同动物的图像，包括：

9、对所述视频中的动物进行目标追踪，标注视频中的不同动物；

10、从所述视频中提取出显示完整的、朝向一致且不同的动物图像；提取出的每张图像上显示至少一个动物。

11、可选的，在采集多个同种动物的视频之前，还包括：

12、构建训练样本，所述训练样本包括图像中一个动物各部位所占像素点数量，以及所述动物的真实体重；

13、采用所述训练样本训练卷积神经网络模型。

14、可选的，所述视频为俯视拍摄，所述图像为动物的俯视图；所述动物为猪。

15、可选的，所述视频为不同时段拍摄；每个时段拍摄所有所述动物；

16、所述统计视频中所有动物的体重估计值，包括：

17、根据每个时段的视频，累加所有动物的体重估计值；

18、将各时段累加的体重估计值进行平均，得到所有动物的体重估计值。

19、第二方面，本申请提供了一种动物体重估计系统，包括：至少两个相连通的栏位，摄像头和与所述摄像头连接的处理器；

20、多个动物在栏位通道内经过时被所述摄像头拍摄视频；

21、处理器用于执行任一项所述的动物体重估计方法。

22、可选的，所述摄像头设置在栏位之间通道的上方。

23、可选的，不同栏位的食水设置情况不同，以使动物在设置的不同时段由一个栏位经过所述通道行至另一个栏位。

24、可选的，包括第一栏位和第二栏位；所述第一栏位设置饮水区域，无饲喂区域；所述第二栏位设置饲喂区域，无饮水区域。

25、第三方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令可被处理器执行以实现任一项动物体重估计方法。

26、相较于现有技术，本申请设置了栏位之间的必经通道，并在通道上方设置摄像头，从而采集到每个动物的视频。通过对视频中的图像识别和追踪，得到每个动物各部位的像素点数量，将像素点数量输入到深度学习模型中，得到体重估计值。本申请将动物图像按照部位划分，考虑了不同部位对整体体重的影响不同，且像素点数量能直观体现出体形大小，是体重的直接影响因素。因此，本申请的方法更加准确，且通过深度学习的方法基于像素点数量得到体重值，学习到各部位像素点数量与体重之间的对应关系，同时提高了效率。

技术特征：

1.一种动物体重估计方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述从所述视频中提取出显示不同动物的图像，包括：

3.根据权利要求1所述的方法，其特征在于，在采集多个同种动物的视频之前，还包括：

4.根据权利要求1所述的方法，其特征在于，所述视频为俯视拍摄，所述图像为动物的俯视图；所述动物为猪。

5.根据权利要求1所述的方法，其特征在于，所述视频为不同时段拍摄；每个时段拍摄所有所述动物；

6.一种动物体重估计系统，包括：至少两个相连通的栏位，摄像头和与所述摄像头连接的处理器；

7.根据权利要求6所述的系统，其特征在于，所述摄像头设置在栏位之间通道的上方。

8.根据权利要求6所述的系统，其特征在于，不同栏位的食水设置情况不同，以使动物在设置的不同时段由一个栏位经过所述通道行至另一个栏位。

9.根据权利要求8所述的系统，其特征在于，包括第一栏位和第二栏位；所述第一栏位设置饮水区域，无饲喂区域；所述第二栏位设置饲喂区域，无饮水区域。

10.一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令可被处理器执行以实现如权利要求1-5任一项所述的动物体重估计方法。

技术总结
本申请提供了一种动物体重估计方法、系统和存储介质，涉及深度学习技术领域，其中方法包括：采集多个同种动物的视频，对每张图像进行语义分割，得到一个动物每个部位所占像素点数量；将一个动物多个部位的像素点数量输入到深度学习模型中，得到动物的体重估计值；统计视频中所有动物的体重估计值。本申请解决了养殖业中动物体重估计的准确性和效率的技术问题。

技术研发人员：卫燕峻,吴海玲
受保护的技术使用者：成都睿畜电子科技有限公司
技术研发日：
技术公布日：2024/2/25