CN110672189A

CN110672189A - 体重估计方法、装置、***和存储介质

Info

Publication number: CN110672189A
Application number: CN201910922985.6A
Authority: CN
Inventors: 韩旭泉; 李磊鑫
Original assignee: Beijing Haiyi Tongzhan Information Technology Co Ltd
Current assignee: Beijing Haiyi Tongzhan Information Technology Co Ltd
Priority date: 2019-09-27
Filing date: 2019-09-27
Publication date: 2020-01-10

Abstract

本发明公开了一种体重估计方法、装置、***和存储介质，涉及动物监控领域。体重估计方法包括：检测获取的图像中被测对象的轮廓，其中，被测对象为动物；根据被测对象的轮廓确定被测对象的图像信息；将包括图像信息的估重参考信息输入到预先训练的体重估计模型中，获得估计的被测对象的体重，其中，体重估计模型是采用样本被测对象的实际体重以及包括样本被测对象的图像训练的。从而可以在不借助体重秤的前提下对动物的体重进行估计，并且避免了人工估计方式所带来的偏差，提高了动物估重的便捷度和准确度。

Description

体重估计方法、装置、***和存储介质

技术领域

本发明涉及动物监控领域，特别涉及一种体重估计方法、装置、***和存储介质。

背景技术

传统养猪行业采用大栏对育肥猪进行饲养。在育肥猪的饲养过程或者售卖过程中，养殖场需要获知猪只的体重，以便对猪只的生长情况进行评估。并且，在需要对猪只的肉料比进行评价时，也需要随时获取猪只的体重。

目前，一般采用以下方法获取育肥猪的体重。第一种方法是在育肥猪出栏售卖的时候，通过地磅对群体猪只的体重进行称量。第二种方法是将猪只赶到体重秤上进行单只称重。第三种途径是由有经验的饲养员观察猪只，并凭经验对猪只的体重进行估算。

发明内容

发明人经过分析后发现，在称重时，猪只会不停的移动，导致测量结果并不准确，并且赶猪入称有也会有一些难度。而人工估算方式的偏差较大，并且饲养员的经验会严重影响体重估计的精确度。因此，相关技术提供的方式的实施难度大、准确度低。

本发明实施例所要解决的一个技术问题是：如何提高动物称重的便捷度和准确度。

根据本发明一些实施例的第一个方面，提供一种体重估计方法，包括：检测获取的图像中被测对象的轮廓，其中，被测对象为动物；根据被测对象的轮廓确定被测对象的图像信息；将包括图像信息的估重参考信息输入到预先训练的体重估计模型中，获得估计的被测对象的体重，其中，体重估计模型是采用样本被测对象的实际体重以及包括样本被测对象的图像训练的。

在一些实施例中，体重估计模型为逻辑回归模型。

在一些实施例中，图像包括多个被测对象；体重估计方法还包括：根据估计的图像中每个被测对象的体重，确定多个被测对象的总体重或平均体重。

在一些实施例中，多个被测对象位于同一栏位，并且具备相同的生长信息，生长信息为日龄或年龄。

在一些实施例中，估重参考信息还包括被测对象的生长信息、品种、性别中的至少一种。

在一些实施例中，被测对象的图像信息包括被测对象的轮廓中的像素点的信息，轮廓中的像素点的信息包括像素值、像素点的坐标、像素点的数量中的至少一种。

在一些实施例中，被测对象的图像信息包括被测对象的轮廓上的像素点的坐标。

在一些实施例中，体重估计方法还包括：对多个样本被测对象进行称重，获得每个样本被测对象的实际体重；获取包括一个或多个样本被测对象的样本图像；标记样本图像中样本被测对象的轮廓；根据样本被测对象的轮廓确定样本被测对象的样本图像信息；将包括样本图像信息的估重参考信息输入到体重估计模型中，获得估计的样本被测对象的体重；根据估计的样本被测对象的体重和样本被测对象的实际体重，对体重估计模型进行训练。

在一些实施例中，被测对象的身体上绘制有标识；体重估计方法还包括：识别样本图像中样本被测对象身体上的标识；根据预先建立的标识与实际体重的对应关系，将同一样本被测对象的实际体重和估计的体重进行对应。

根据本发明一些实施例的第二个方面，提供一种体重估计装置，包括：轮廓检测模块，被配置为检测获取的图像中被测对象的轮廓，其中，被测对象为动物；图像信息确定模块，被配置为根据被测对象的轮廓确定被测对象的图像信息；估计模块，被配置为将包括图像信息的估重参考信息输入到预先训练的体重估计模型中，获得估计的被测对象的体重，其中，体重估计模型是采用预先标记了样本被测对象的体重的、包括样本被测对象的图像训练的。

在一些实施例中，体重估计装置位于计算网关中。

根据本发明一些实施例的第三个方面，提供一种体重估计***，包括：前述任意一种体重估计装置；以及摄像头，用于采集包括被测对象的图像。

在一些实施例中，摄像头部署在用于圈养被测对象的栏位的上方。

在一些实施例中，体重估计***还包括：管理平台，被配置为获取体重估计装置所估计的被测对象的体重。

根据本发明一些实施例的第四个方面，提供一种体重估计装置，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器中的指令，执行前述任意一种体重估计方法。

根据本发明一些实施例的第五个方面，提供一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现前述任意一种体重估计方法。

上述发明中的一些实施例具有如下优点或有益效果：通过本发明的实施例，可以通过检测图像中被测对象的轮廓来确定被测对象的图像信息，并将包括图像信息的估重参考信息输入到预先训练的体重估计模型中。从而可以在不借助体重秤的前提下对动物的体重进行估计，并且避免了人工估计方式所带来的偏差，提高了动物估重的便捷度和准确度。

通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为根据本发明一些实施例的体重估计方法的流程示意图。

图2为根据本发明一些实施例的估重模型训练方法的流程示意图。

图3为根据本发明一些实施例的群体估重方法的流程示意图。

图4为根据本发明一些实施例的体重估计装置的结构示意图。

图5为根据本发明一些实施例的体重估计***的结构示意图。

图6为根据本发明另一些实施例的体重估计装置的结构示意图。

图7为根据本发明又一些实施例的体重估计装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。

在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

图1为根据本发明一些实施例的体重估计方法的流程示意图。如图1所示，该实施例的体重估计方法包括步骤S102～S106。

在步骤S102中，检测获取的图像中被测对象的轮廓，其中，被测对象为动物。

被测对象例如可以为猪只。在一些实施例中，可以通过设置在圈舍、栏位上方的摄像头来采集被测对象的图像。

在一些实施例中，可以通过目标识别算法来确定图像中的被测对象。例如，可以采用MaskR-CNN模型切分算法对图像进行描边裁切，以获得被测对象的轮廓。

在一些实施例中，可以通过被测对象的轮廓上的像素点的坐标来标识轮廓。

在步骤S104中，根据被测对象的轮廓确定被测对象的图像信息。

图像信息是获取的图像中被测对象所涉及的信息，可以使用图像表示、也可以使用其他形式表示。图像信息中可以包括通过轮廓确定的被测对象或轮廓本身所涉及的像素点的信息，例如像素值、像素点在图像中的坐标、像素点的数量等等。

被测对象的图像信息能够表征图像中被测对象的位置、像素值等信息。图像信息能够反映出被测对象的形状、大小、颜色、纹理等特征。

在步骤S106中，将包括图像信息的估重参考信息输入到预先训练的体重估计模型中，获得估计的被测对象的体重，其中，体重估计模型是采用样本被测对象的实际体重以及包括样本被测对象的图像训练的。

估重参考信息中除了图像信息以外，还可以包括被测对象的属性信息。例如日龄、年龄等生长信息，或者品种、性别等等。

在一些实施例中，体重估计模型例如可以为逻辑回归模型。估重参考中每种类型的信息可以作为逻辑回归模型的一个或多个自变量的值。根据各个自变量的值与相应的自变量系数相乘的结果，可以得到逻辑回归模型的预测值。

通过上述实施例的方法，可以通过检测图像中被测对象的轮廓来确定被测对象的图像信息，并将包括图像信息的估重参考信息输入到预先训练的体重估计模型中。从而可以在不借助体重秤的前提下对动物的体重进行估计，并且避免了人工估计方式所带来的偏差，提高了动物估重的便捷度和准确度。

下面示例性地介绍两种确定被测对象的图像信息的方法。

例如，可以将图像中轮廓内的像素提取出来、并与预设大小的透明背景图像进行合成、生成子图像作为被测对象的图像信息。从而该子图像中包括被测对象的像素值、像素点的坐标。并且，对于不同的被测对象，可以采用相同大小的子图像表征。

又例如，可以将图像中轮廓内的各个像素点的像素值作为向量中的各个元素、以生成被测对象对应的向量作为图像信息。

例如，可以将轮廓上的像素点的坐标作为向量中的各个元素、以生成轮廓对应的向量作为被测对象的图像信息。然后，可以将生成的轮廓对应的向量以及其他信息作为估重参考信息输入到体重估计模型中。

又例如，可以为获取的图像新增一个通道，以标识图像中被测对象的轮廓。然后，将新增通道后的图像作为被测对象的图像信息。

在一些实施例中，图像信息中还可以包括被测对象在获取的图像中的位置，从而可以在估重时考虑被测对象与摄像头的距离，以提高估重的准确性。

下面参考图2描述本发明体重估计模型训练方法的实施例。

图2为根据本发明一些实施例的估重模型训练方法的流程示意图。如图2所示，该实施例的估重模型训练方法包括步骤S202～S212。

在步骤S202中，对多个样本被测对象进行称重，获得每个样本被测对象的实际体重。例如可以采用体重秤样本被测对象称重。

样本被测对象可以预先进行标记，例如在样本对象的背部绘制编号，以便于将被测对象的实际重量、图像中的轮廓进行关联。

在一些实施例中，还可以获取被测对象的生长信息。从而可以结合生长信息对重量估计模型进行训练。

在步骤S204中，获取包括一个或多个样本被测对象的样本图像。

在步骤S206中，标记样本图像中样本被测对象的轮廓。

在步骤S208中，根据样本被测对象的轮廓确定样本被测对象的样本图像信息。确定样本图像信息的方式与实际估重阶段确定被测对象的图像信息的方式一致。

在步骤S210中，将包括样本图像信息的估重参考信息输入到体重估计模型中，获得估计的样本被测对象的体重。

在步骤S212中，根据估计的样本被测对象的体重和样本被测对象的实际体重，对体重估计模型进行训练。

在一些实施例中，被测对象的身体上绘制有标识。从而在训练阶段，可以识别样本图像中样本被测对象身体上的标识，并根据预先建立的标识与实际体重的对应关系，将同一样本被测对象的实际体重和估计的体重进行对应，以便根据同一个样本对象的估计的体重和实际体重对体重估计模型进行训练。

通过上述实施例的方法，可以根据预先获取的数据训练体重估计模型，提高了通过体重估计模型估计体重的准确性。

本发明的一些实施例还可以用于被测对象的群体估重。下面参考图3描述本发明群体估重的实施例。

图3为根据本发明一些实施例的群体估重方法的流程示意图。如图3所示，该实施例的群体估重方法包括步骤S302～S308。

在步骤S302中，检测获取的图像中被测对象的轮廓，其中，图像中包括多个被测对象。

在步骤S304中，根据每个被测对象的轮廓确定相应被测对象的图像信息。

在步骤S306中，将每个被测对象的估重参考信息分别输入到预先训练的体重估计模型中，获得估计的每个被测对象的体重，其中，每个被测对象的估重参考信息包括相应被测对象的图像信息。

在步骤S308中，根据估计的图像中每个被测对象的体重，确定多个被测对象的总体重或平均体重。

从而，无需分辨每个被测对象的标识。通过依次获得图像内每个被测对象的体重、进而可以获得图像中被测对象的平均体重。

在一些实施例中，多个被测对象位于同一栏位，并且具备相同的生长信息。例如，在大栏饲养的场景中，在猪只出栏阶段，饲养员需要提供猪只的相关数据。通过采用上述实施例的方法，饲养员可以获知每栏猪的平均体重，以便在售卖时便于饲养员到对应的位置找猪。

下面参考图4描述本发明体重估计装置的实施例。

图4为根据本发明一些实施例的体重估计装置的结构示意图。如图4所示，该实施例的体重估计装置400包括：轮廓检测模块4100，被配置为检测获取的图像中被测对象的轮廓，其中，被测对象为动物；图像信息确定模块4200，被配置为根据被测对象的轮廓确定被测对象的图像信息；估计模块4300，被配置为将包括图像信息的估重参考信息输入到预先训练的体重估计模型中，获得估计的被测对象的体重，其中，体重估计模型是采用预先标记了样本被测对象的体重的、包括样本被测对象的图像训练的。

在一些实施例中，体重估计模型为逻辑回归模型。

在一些实施例中，图像包括多个被测对象；体重估计装置400还包括：群体估重模块4400，被配置为根据估计的图像中每个被测对象的体重，确定多个被测对象的总体重或平均体重。

在一些实施例中，体重估计装置400还包括：训练模块4500，被配置为对多个样本被测对象进行称重，获得每个样本被测对象的实际体重；获取包括一个或多个样本被测对象的样本图像；标记样本图像中样本被测对象的轮廓；根据样本被测对象的轮廓确定样本被测对象的样本图像信息；将包括样本图像信息的估重参考信息输入到体重估计模型中，获得估计的样本被测对象的体重；根据估计的样本被测对象的体重和样本被测对象的实际体重，对体重估计模型进行训练。

在一些实施例中，被测对象的身体上绘制有标识；训练模块4500进一步被配置为识别样本图像中样本被测对象身体上的标识；根据预先建立的标识与实际体重的对应关系，将同一样本被测对象的实际体重和估计的体重进行对应。

在一些实施例中，体重估计装置400位于计算网关中。

下面参考图5描述本发明体重估计***的实施例。

图5为根据本发明一些实施例的体重估计***的结构示意图。如图5所示，该实施例的体重估计***50包括：体重估计装置510；以及摄像头520，用于采集包括被测对象的图像。体重估计装置510的具体实施方式可以参考前述实施例，这里不再赘述。

在一些实施例中，摄像头520部署在用于圈养被测对象的栏位的上方。

在一些实施例中，体重估计***50还包括管理平台530，被配置为获取体重估计装置所估计的被测对象的体重。

图6为根据本发明另一些实施例的体重估计装置的结构示意图。如图6所示，该实施例的体重估计装置60包括：存储器610以及耦接至该存储器610的处理器620，处理器620被配置为基于存储在存储器610中的指令，执行前述任意一个实施例中的体重估计方法。

其中，存储器610例如可以包括***存储器、固定非易失性存储介质等。***存储器例如存储有操作***、应用程序、引导装载程序(Boot Loader)以及其他程序等。

图7为根据本发明又一些实施例的体重估计装置的结构示意图。如图7所示，该实施例的体重估计装置70包括：存储器710以及处理器720，还可以包括输入输出接口730、网络接口740、存储接口750等。这些接口730，740，750以及存储器710和处理器720之间例如可以通过总线760连接。其中，输入输出接口730为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口740为各种联网设备提供连接接口。存储接口750为SD卡、U盘等外置存储设备提供连接接口。

本发明的实施例还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现前述任意一种体重估计方法。

本领域内的技术人员应当明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解为可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims

1.一种体重估计方法，包括：

检测获取的图像中被测对象的轮廓，其中，所述被测对象为动物；

根据所述被测对象的轮廓确定所述被测对象的图像信息；

将包括所述图像信息的估重参考信息输入到预先训练的体重估计模型中，获得估计的被测对象的体重，其中，所述体重估计模型是采用样本被测对象的实际体重以及包括样本被测对象的图像训练的。

2.根据权利要求1所述的体重估计方法，其中，所述体重估计模型为逻辑回归模型。

3.根据权利要求1所述的体重估计方法，其中，所述图像包括多个被测对象；

所述体重估计方法还包括：

根据估计的图像中每个被测对象的体重，确定所述多个被测对象的总体重或平均体重。

4.根据权利要求3所述的体重估计方法，其中，所述多个被测对象位于同一栏位，并且具备相同的生长信息，所述生长信息为日龄或年龄。

5.根据权利要求1～4中任一项所述的体重估计方法，其中，所述估重参考信息还包括被测对象的生长信息、品种、性别中的至少一种。

6.根据权利要求1所述的体重估计方法，其中，所述被测对象的图像信息包括被测对象的轮廓中的像素点的信息，所述轮廓中的像素点的信息包括像素值、像素点的坐标、像素点的数量中的至少一种。

7.根据权利要求1所述的体重估计方法，其中，所述被测对象的图像信息包括被测对象的轮廓上的像素点的坐标。

8.根据权利要求1所述的体重估计方法，还包括：

对多个样本被测对象进行称重，获得每个样本被测对象的实际体重；

获取包括一个或多个样本被测对象的样本图像；

标记所述样本图像中样本被测对象的轮廓；

根据所述样本被测对象的轮廓确定所述样本被测对象的样本图像信息；

将包括所述样本图像信息的估重参考信息输入到体重估计模型中，获得估计的样本被测对象的体重；

根据估计的样本被测对象的体重和样本被测对象的实际体重，对所述体重估计模型进行训练。

9.根据权利要求8所述的体重估计方法，其中，所述被测对象的身体上绘制有标识；

所述体重估计方法还包括：

识别样本图像中样本被测对象身体上的标识；

根据预先建立的标识与实际体重的对应关系，将同一样本被测对象的实际体重和估计的体重进行对应。

10.一种体重估计装置，包括：

轮廓检测模块，被配置为检测获取的图像中被测对象的轮廓，其中，所述被测对象为动物；

图像信息确定模块，被配置为根据所述被测对象的轮廓确定所述被测对象的图像信息；

估计模块，被配置为将包括所述图像信息的估重参考信息输入到预先训练的体重估计模型中，获得估计的被测对象的体重，其中，所述体重估计模型是采用预先标记了样本被测对象的体重的、包括样本被测对象的图像训练的。

11.根据权利要求10所述的体重估计装置，其中，所述体重估计装置位于计算网关中。

12.一种体重估计***，包括：

权利要求10或11所述的体重估计装置；以及

摄像头，用于采集包括被测对象的图像。

13.根据权利要求12所述的体重估计***，其中，所述摄像头部署在用于圈养被测对象的栏位的上方。

14.根据权利要求12所述的体重估计***，还包括：

管理平台，被配置为获取所述体重估计装置所估计的被测对象的体重。

15.一种体重估计装置，包括：

存储器；以及

耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行如权利要求1～9中任一项所述的体重估计方法。

16.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现权利要求1～9中任一项所述的体重估计方法。