CN111542222B - 估计牲畜重量的***和方法 - Google Patents

Abstract

描述了一种用于估计牲畜重量的***和方法。该***的实施方式可以包括计算设备和被配置为固定至动物的三维标签。可以对包括三维标签的动物的一个或更多个图像进行处理，以获取动物的各种测量值。用于测量值的比例因子可以基于三维标签。在测量值被校准之后，可以基于经校准的测量值来估计动物的重量。

Description

估计牲畜重量的***和方法

相关申请的交叉引用

本申请要求于2017年11月6日提交的美国临时申请号62/581,987的权益。

技术领域

本申请涉及牲畜的技术领域，更具体地涉及一种估计牲畜重量的***和方法。

背景技术

为了有助于确定例如(i)成功的交配结果，(ii)特定食物配给的重量增加，(iii)由疾病引起的重量减轻以及(iv)基于重量和重量调节的大量其他预测，期望获得牲畜的准确重量。该行业主要依靠机械装置来检测每只动物的重量。通过利用各种秤的称重传感器，牲畜管理员可以直接或间接获取动物的重量。在秤上对畜群中的每只动物进行称重可能既昂贵又费时，需要秤或每只动物到另一者的运输。不合作和活泼的动物会妨碍准确的数据收集。测量特定动物的围长(girth)或其他特征的重量带也用于估计该特定动物的重量。尽管这种方法较便宜，但可能是危险、耗时且并不总是准确的。

已经使用或提出了其他技术来估计畜群中的动物的重量，但是受到一种或更多种缺点的影响。已经测试了光检测和测距(Light Detection and Ranging，LiDar)，LiDar使用激光成像来扫描动物并开发可用于估计动物重量的三维模型。不幸的是，LiDar设备昂贵并且需要技术技能来设置和操作。

也已经提出了摄影***，其中当动物通过溜槽时对动物进行摄影。因为相机到动物的相对距离是已知的，并且可以在照片的视野内提供尺寸参考，所以从照片得出的数据可以用于相对准确地确定动物的尺寸，动物的尺寸可以用来估计重量。但是，此过程需要将牲畜漏斗般地通过溜槽，这几乎可以与使用基于称重传感器的秤一样既费时又昂贵，基于称重传感器的秤通常更准确。

另一提出的***使用手持三维相机***，该***包括计算距离的能力。然后，来自3D图像的尺寸数据可以用于估计重量。但是，该***需要专用的相机并且需要操作员对畜群中的所有动物进行摄影。

最后，所有这些***都需要对动物进行干扰，该干扰会产生压力并时常对动物和操作员都表现出潜在危险。避免有压力的接触和不必要的运动是良好的畜牧业的关键。

需要一种无干扰的***，该***能够从动物远程地计算出具有高准确度的动物的重量。

发明内容

本发明的实施方式包括一种估计牲畜的重量的***和方法。通常，该***可以包括但不限于三维物体和用户设备。用户设备可以访问或获得由一个或更多个相机设备捕获的牲畜图像。在某些情况下，用户设备可以是包括相机和用于存储由相机捕获的数字图像的数字存储装置的设备。用户设备可以包括程序或应用程序，该程序或应用程序被配置为基于从牲畜动物的一个或更多个图像获取的测量值来计算动物的估计重量。

在一个实施方式中，类似于面部识别软件的技术可以被实施为在牲畜身上的界标(landmark)(例如，肩膀、尾部，耳朵等)之间进行测量。然后，程序可以使用这些测量值来计算牲畜的估计重量。值得注意的是，三维物体可以耦接到牲畜以为面部识别软件提供已知尺寸的参考。在一个实施方式中，三维物体可具有环形状，使得从不同角度拍摄的图像将允许面部识别软件确定环的直径。

在另一实施方式中，可以实施一种或多种类型的摄影测量法以从两个或更多个二维(2D)图像生成牲畜动物的三维(3D)模型。例如，立体摄影测量法可以包括通过使用在从不同位置拍摄的两个或更多个摄影图像中进行的测量来估计动物上的点的三维坐标。值得注意的是，通过包括三维物体，从不同设备或角度拍摄的图像可以被校准为大致相似的比例。

可以理解，通过实施环(或完美圆形的耳标)形状的三维标签，不管从哪个角度观看该环，都可以测量该环的直径。值得注意的是，无论如何偏斜，都能够从可以看到环的任何点来测量并查看直径。在环的直径是已知变量的情况下，该***可以将测量用作确定动物上的所有其他可测量值的基础。当以不同角度观看时，大多数其他形状会出现，并且会测量得更短或更长。通过保持标签的设计简单，标签可以用作数字标识符，杀虫剂标签等。

在一个实施方式中，该三维物体可以是盘。在另一实施方式中，该三维物体可以至少包括在物体上的圆形形状。例如，大致正方形的平面形状可以包括植入到物体中的圆形参考形状。可替代地，可以将圆形参考形状附着(例如，贴纸)到物体。

本发明的实施方式可以包括根据照片和视频估计一组动物中的动物的重量的***和方法。与现有技术的基于相机的重量估计***不同，本发明的实施方式可以不依赖于使用专用相机拍摄的照片或从相对于动物的特定位置拍摄的照片。该***和方法可以利用从一组动物拍摄的任何照片，甚至视频帧，只要图像具有合适的分辨率。值得注意的是，大多数(如果不是全部)现代手机相机通常可以满足照片的分辨率要求。

在一个实施方式中，重量估计***可以包括但不限于使用特定硬件和/或执行特定软件的计算机***，以及一个或更多个三维标签。本发明的实施方式还可以包括使用重量估计***来估计单个动物和/或一整组动物的重量的方法。重量估计***的实施方式可以进一步与静态相机或录像相机结合使用。(一个或更多个)相机可以用于捕获要分析的动物的静态图像或运动图像。

包括硬件和软件的专用计算机***可以类似于面部识别技术中使用的计算机***，但有重要且显著的区别。

在面部识别***中，将面部的各种特征之间的相对距离或比率与数据库中先前收集的信息进行比较，以尝试将被分析的面部与已知的人进行匹配。因为面部识别***对与面部上不同特征的大小有关的比率进行比较，所以特征的实际大小并不重要并且假设足够的分辨率，因此无论被拍摄人是相对靠近相机、相对远离还是在其间的任何距离，面部识别***都可以工作。

在一个实例中，重量估计计算机***可以以与面部识别***类似的方式分析录像和/或摄影图像，以确定特定动物上的点之间的相对距离。重量估计计算机***甚至可以使用此信息从数据库中识别特定的动物。但是，通过还测量可以附着到动物的三维标签上的两个点之间的相对距离，重量估计计算机***可以确定在动物上的识别点之间的实际长度。然后，可以由一种或更多种软件算法利用由重量估计计算机***进行的测量来进行质量(或重量)估计。

重量估计计算机***可以包括用于估计动物的重量的逻辑以及用于存储所获取和计算的数据的数据库。计算机***的一些实施方式可以包括格式化并显示所计算的重量信息并且允许用户创建定制报告的模块。

三维标签可以是适于附着到动物的任何三维物体。三维标签可以在从多个角度或有利点可见的标签的至少一侧的位置处附着到动物。例如，对于许多牲畜动物，标签可以附着到动物的耳朵。标签的其他变体可以附着在动物上的其他位置处，以确保从可以对动物进行拍摄或摄影的大多数(即使不是很多)角度和侧面可以看到标签的尺寸参考。在一些实施方式中，可以将多个标签放置在动物上。标签或其他设备的三维特征足够显著，以允许从各个方向查看，甚至在某些情况下，可以通过无人机从上方查看。在一些变体中，标签可以包括将标签识别为独特的特定信息。例如，标签可以包括UPC符号或QR代码，UPC符号或QR代码在视觉上识别标签，并通过关联识别标签所附着的动物。在一些实施方式中，标签可以包含当前在这样的设备中使用或预期的感测技术，诸如射频识别标签(RFID感测技术)或蓝牙技术。

在一些实施方式中，可以使用一个或更多个纹身或烙印标记作为尺寸参考，尽管应当理解，动物的皮肤或兽皮上的标记可以随着重量的增加或减少而在尺寸上变化。

为了便于估计动物的重量，需要获得动物的视频片段和/或照片。为此，可以利用任何合适的录像相机或摄影相机。可以理解，为了易于将摄影数据传输到计算机***，通常优选数码相机。在一个实施方式中，相机可以是安装在饲育场中的战略位置处的专用单元，以监视和捕获动物或动物畜群的图像。在另一实施方式中，相机可以是牧场主可以用来在牧场中拍摄或记录畜群的视频的手持单元(例如，智能手机)。摄影数据可以诸如通过有线或无线连接实时传输到计算机***，或者数据可以存储在计算机可读介质中以在将来的某个时间点被下载到计算机***。

在下文中描述的是植入前述重量估计计算机***的一个示例方法。

最初，可以将三维标签附着到用户可能希望估计重量的每只动物。标签可以是通用的，或者标签可以在配置上是独特的。可以由专用计算机***识别独特的标签，以识别标签所附着和相关联的特定动物。每个三维标签可以在预定的公差内具有已知的尺寸，以使标签数据成为确定相关联的动物测量值的参考点。

接下来，通过任何合适的装置获得要称重的带有标签的(一只或更多只)动物的摄影图像。在一种变体中，牧场主可以对用户感兴趣估计重量的动物进行视频录像或拍摄。理想地，可以从两个或更多个有利点对要“称重”的动物中的每只动物进行成像，在这些有利点处也可以完全看到三维标签。在另一种变体中，将录像相机或摄影相机放置在有利点处，诸如畜群中的那些动物定期经过的点。当动物经过时，它们可以被摄影。理想地，摄影数据是数字渲染的，然而可以设想到各种变体，其中摄影数据在诸如扫描之类的附加操作中被转换成数字格式。

根据需要，可以将数字摄影数据传输到计算机***，并转换为***可用的形式。

在某些变体中，软件可以自动扫描所提供的(一个或更多个)文件并识别摄影数据中显示的每只不同的动物。在摄影数据包括视频的情况下，***可以从视频捕获每只动物的几个代表性静态图像，以用于计算估计重量。该***可以通过识别动物的独特特征来确定每只特定动物的身份，诸如在动物上的各种解剖特征的大小和定位、着色、毛涡、烙印或标记。该***可以参考先前存储的信息，并将该图像与有关已知动物的数据相关联，并为先前未存储在***中的动物生成新条目。

在自动化程度低的变体中，重量估计计算机***的操作员可以对摄影数据进行分类，并将该图像与特定的动物相关联。在数据包括视频的情况下，操作员可以针对操作员希望估计重量的每只动物识别代表性数量的静静止帧。该信息可以存储在特定动物的文件夹和/或数据库条目中。

可以理解，摄影数据与动物相关联的方式可以与前面的例子所指示的有显著的不同。

但是，最终，无论将摄影数据与特定动物相关联的装置是什么，估计动物的重量的过程都是相似的。

重量估计计算机***可以识别图像中的相关点，然后由于三维标签的至少一侧在图像中的存在而计算各个点之间的距离。通过确定图像中标签的元件的长度，软件可以确定位于与初始捕获图像的相机相距相似距离的各个点之间的长度。由软件识别的特定点将针对不同的动物和相关联的重量估计算法而有所不同。

一旦识别出这些点，计算机***就可以运行算法以基于将重量与某些尺寸参数相关联的数据库信息来估计动物的重量。算法的复杂性和准确性可以在不同的实施方式中变化。一些实施方式可以利用更基本的算法来获得对动物重量的更一般的估计；然而，其他算法可能会利用更多的点以及点之间的距离来更准确地估计重量。一些算法可以考虑关于动物的已知信息，诸如在秤称重时的实际秤确定的重量和已知尺寸参数，以对估计重量进行调节并从而提高准确性。该***的高级变体可以包括人工智能组件，其中该***针对每个单独的动物或相同类型的动物的集合分析过去的结果，以修改算法用于获得更高的准确性。

一旦估计了(一个或更多个)重量，就可以将信息存储在数据库中，与特定动物相关联、在图表或图形中显示或以任何合适的方式使用。例如，重量估计计算机***可以包括分析包或模块，操作员可以使用该分析包或模块查看特定动物重量随时间的变化，或者操作员可以查看动物畜群的集体重量变化。在又一变体中，该***可以创建与流行的分析程序(诸如例如，Microsoft Excel或Microsoft Access)一起使用的数据文件。

在一个实施方式中，可以实施红外相机以获得(一只或更多只)动物的图像。例如，红外相机可以在750nm-1mm的波长谱内拍摄图像。可以理解，该波长可以穿透大多数毛发，但是从动物的皮肤反射回来。以这种方式，该***可以在估计重量时潜在地消除影响动物尸体视野的毛发覆盖的问题。

在一些实施方式中，可以实施热成像以获得动物的图像。可以从热图像获得数据，以用于计算动物的估计重量。

在一些实施方式中，结合颜色变化的解剖差异可以用于准确地定义大多数牛(家畜，cattle)的品种。确定动物的品种可以在估计特定动物重量时消除毛发覆盖可能赋予的变化中的某些变化。例如，通过了解取决于温和(temperate)测量的不同品种的平均毛发长度，可以在重量测量中消除该变量。

在一个实施方式中，用于估计动物的重量的方法可以包括但不限于：提供具有已知尺寸的第一三维物体，其中第一三维物体是具有大致圆形形状的环；将第一三维物体附着到第一动物；在第一三维物体附着到第一动物的情况下获得第一动物的多个图像；以及处理第一动物的多个图像。处理的步骤可以包括但不限于：识别第一图像中的第一三维物体和第一动物；测量第一图像中的第一三维物体的直径；基于第一图像中的第一三维物体来校准第一图像中的第一动物的尺寸；识别第二图像中的第一三维物体和第一动物；测量第二图像中的第一三维物体的直径；基于第二图像中的第一三维物体来校准第二图像中的第一动物的尺寸；基于第一图像和第二图像中的经校准的第一动物的尺寸来构建表示第一动物的第一3-D模型；以及基于第一动物的第一3-D模型来计算第一动物的第一估计重量。

在另一实施方式中，用于估计动物的重量的方法可以包括但不限于：提供具有已知尺寸的三维物体，其中三维物体是具有大致圆形形状的环；将三维物体附着到动物；在三维物体附着到动物的情况下获得动物的第一图像和第二图像，其中第一图像是侧视图且第二图像是俯视图；以及处理图像。处理的步骤可以包括但不限于：确定第一图像中的三维物体的位置；确定第一图像中的三维物体的直径；确定第一图像中的动物上的第一组兴趣点；测量第一图像中的第一组兴趣点中的预定义对之间的距离；基于第一图像中的三维物体的已知尺寸来按比例改变测量值；确定第二图像中的三维物体的位置；确定第二图像中的三维物体的直径；确定第二图像中的动物上的第二组兴趣点；测量第二图像中的第二组兴趣点中的预定义对之间的距离；基于第二图像中的三维物体的已知尺寸来按比例改变测量值；以及计算动物的估计重量。

本发明可以体现为设备、***、方法和/或计算机程序产品。因此，本发明可以以硬件和/或以软件(包括固件、常驻软件、微代码等)来体现。此外，本发明可以采取计算机可用或计算机可读存储介质上的计算机程序产品的形式，在该介质中体现有计算机可用或计算机可读程序代码，以供指令执行***使用或与指令执行***结合使用。在一个实施方式中，本发明可以体现为非暂时性计算机可读介质。在本文档的上下文中，计算机可用或计算机可读介质可以包括但不限于：可以包含、存储、通信、传播或传输程序以供指令执行***、器械或设备使用或与指令执行***、器械或设备结合使用的任何介质。

计算机可用或计算机可读介质可以是但不限于电子、磁性、光学、电磁、红外或半导体***、器械、设备或传播介质。

附图说明

图1是根据本发明的一个实施方式的牲畜重量估计***的框。

图2是根据本发明的一个实施方式的牲畜重量估计***的控制模块的框图。

图3是根据本发明的一个实施方式的牲畜重量估计***的详细图。

图4A是根据本发明的一个实施方式的三维物体的详细图。

图4B是根据本发明的另一实施方式的三维物体的详细图。

图5是根据本发明的一个实施方式的牲畜重量估计过程的流程图。

图6是根据本发明的一个实施方式的另一牲畜重量估计过程的流程图。

图7是根据本发明的一个实施方式的牲畜身上的兴趣点的详细图。

具体实施方式

术语

本部分中用引号(“”)表示的术语和短语旨在具有在本术语部分中赋予它们的含义，除非在上下文中另有明确说明，否则这些含义适用于本文档(包括权利要求书)中的所有术语和短语。此外，在可适用的情况下，无论是词语或短语的情况，所陈述的定义都适用于所定义词语或短语的单数和复数变体。

在本说明书和所附权利要求书中使用的术语“或”并不意味着排他性；相反，该术语是包含性的，意思是其中一者或两者。

说明书中对“一个实施方式”、“实施方式”、“另一实施方式”、“优选实施方式”、“替代实施方式”、“一个变体”、“变体”和类似短语的引用表示结合该实施方式或变体描述的特定的特征、结构或特性被包括在本发明的至少一种实施方式或变体中。如在说明书的各个地方使用的短语“在一个实施方式中”、“在一个变体中”或类似的短语，不一定意为表示相同的实施方式或相同的变体。

如本说明书和所附权利要求书中所使用的术语“耦接”是指所标识的元件、组件或物体之间的间接或直接物理连接。通常，耦接的方式将特别地涉及两个耦接的元件相互作用的方式。

在本说明书和所附权利要求书中使用的术语“直接耦接”是指所标识的元件、组件或物体之间的物理连接，其中，在被标识为直接耦接的那些元件、组件或物体之间不存在其他元件、组件或物体。

在本说明书和所附权利要求书中使用的术语“近似”是指给定值的正负10％。

在本说明书和所附权利要求书中使用的术语“约”是指给定值的正负20％。

在本说明书和所附权利要求书中使用的术语“通常”和“大致”意为主要或大部分。

方向和/或关系术语，诸如但不限于，左、右、最低点，顶点、顶部、底部、竖直、水平、背部、前部和侧部是彼此相对而言的，并且取决于可适用元件或物品的特定取向，并且因此被用于辅助各种实施方式的描述，并且不一定旨在被解释为限制性的。

在本说明书和所附权利要求书中使用的术语“软件”是指程序、过程、规则、指令以及与***的操作有关的任何相关联文档。

在本说明书和所附权利要求中使用的术语“固件”是指计算机程序、过程、规则、指令以及永久包含在硬件设备中的任何相关文档，并且也可以是闪存(flashware)。

在本说明书和所附权利要求书中使用的术语“硬件”是指***的物理、电气和机械部分。

在本说明书和所附权利要求书中使用的术语“计算机可用介质”或“计算机可读介质”是指可以包含、存储、通信、传播或传输程序以供指令执行***、器械或设备使用或与指令执行***、器械或设备结合使用的任何介质。计算机可用或计算机可读介质可以是，例如但不限于：电子、磁性、光学、电磁，红外或半导体***、器械、设备或传播介质。作为示例而非限制，计算机可读介质可以包括计算机存储介质和通信介质。

在本说明书和所附权利要求书中使用的术语“信号”是指如下信号：所述信号具有以将信息编码在该信号中的方式来设置或改变的该信号的特征中的一个或更多个特征。应当理解，发送信号的无线装置可以实施为，包括但不限于：蓝牙、Wi-Fi、声学、RF、红外和其他无线装置。

用于估计牲畜重量的***的实施方式

参照图1，示出了实施方式100的框图，其示出了用于估计牲畜的重量的***。***100可以被实施为基于牲畜的一个或更多个图像来估计牲畜的重量。

如图1所示，牲畜重量估计***100可以包括但不限于控制模块102和三维物体(或标签)104。控制模块102可以被实施为分析图像数据并根据从图像数据生成的信息应用一种或更多种算法来估计动物的重量。三维物体104可以被实施为向控制模块102提供比例以更准确地根据图像数据确定测量值。***100还可以包括录像/摄影模块106和网络108。

在一个实施方式中，控制模块102可以代表可以支持多个用户会话的计算设备或另一强大的专用计算机***。在一些实施方式中，控制模块102可以是任何类型的计算设备，包括但不限于：个人计算机、游戏控制台、智能手机、平板电脑、上网本计算机或其他计算设备。在一个实施方式中，控制模块102可以是分布式***，其中控制模块功能分布在连接到网络的若干计算机上。控制模块102通常可以包括硬件平台和软件组件。

如前所述，三维物体104可以被实施为在基于牲畜的图像估计牲畜的重量时提供用于对牲畜进行测量的比例。在一个实施方式中，三维物体104可具有大致“环”的形状，具有几乎均匀的直径。

录像/摄影模块106可以被实施为捕获牲畜的图像。在一个实施方式中，录像/摄影模块106可以是数码相机。在另一实施方式中，录像/摄影模块106可以是数字录像相机。在又一实施方式中，录像/摄影模块106可以是智能设备的数字相机部分。例如，可以实施智能电话相机以捕获静态图像和/或视频图像。录像/摄影模块106可以可操作地连接到控制模块102。在一个实施方式中，录像/摄影模块106可以包括可以与控制模块102通信的网络接口107。网络接口107可以包括硬连线通信协议和/或无线通信协议以与控制模块102进行通信。在一些实施方式中，录像/摄影模块106可以包括用于将数据传输到控制模块102的可移动闪存存储器。

网络108可以是任何类型的网络，诸如局域网、广域网或因特网。在某些情况下，网络108可以包括有线或无线连接，并且可以使用各种协议来发送和接收信息。

参照图2，示出了控制模块102的框图。控制模块102的软件组件可以包括可以存储牲畜信息和数据的一个或更多个数据库110。软件组件还可以包括操作***114，各种应用程序116可在该操作***上执行。在一个实施方式中，控制模块102可以包括专用于估计牲畜的重量的应用程序。例如，该应用程序可以遵循与下文描述的方法类似的过程或方法。数据库管理器118可以是针对(一个或更多个)数据库110运行查询的应用程序。在一个实施方式中，数据库管理器118可以允许通过用户设备上的HTML用户接口与(一个或更多个)数据库110进行交互。

控制模块102的硬件平台可以包括但不限于：处理器120、随机存取存储器122、非易失性存储器124、用户接口126和网络接口128。处理器120可以是单个微处理器、多核处理器或一组处理器。随机存取存储器122可以存储可执行代码以及处理器可以立即访问的数据。非易失性存储器124可以以持久状态存储可执行代码和数据。用户接口126可以包括键盘、监视器、指向设备和其他用户接口组件。网络接口128可以包括但不限于硬连线接口和无线接口，控制模块102可以通过该硬连线接口和无线接口与其他设备通信，该其他设备包括但不限于录像/摄影模块106。在一些实施方式中，控制模块102可以包括录像/摄影模块106，并且可以被实施为捕获牲畜的图像。在这样的实施方式中，控制模块102可以是智能设备，其也可以被实施为分析捕获的图像。

参照图3，示出了重量估计***100的一示例实施方式的详细图。在典型的实施方式中，录像/摄影模块106可以位于远离控制模块102的位置。如前所述，控制模块102和录像/摄影模块106可以结合在单个用户设备中。在该示例中，录像/摄影模块106将被称为相机。

如图所示，相机106可以放置在牧场中，在该牧场中定位有一只或更多只牲畜动物，在该实例中为牛。相机106可被配置为在牛经过相机106时连续或间歇地拍摄牛的视频和/或照片。例如，相机106可以包括运动检测传感器，以在牛经过相机106时激活相机106的视频记录功能。在另一实例中，相机106可以连续地记录图像并且将那些图像流传输到控制模块102以进行存储。可以实施程序或应用程序来确定牛何时出现在视频帧或图像中并存储这些图像，同时丢弃或删除不包括牛图像的数据。

一旦获得一只或更多只牲畜的图像，控制模块102就可以分析图像。在一个实施方式中，用户可以对图像中的每个图像进行分类，以将一个或更多个图像与相机106所捕获的每只动物相关联。一旦一组图像已与特定动物相关联，应用程序就可以分析该组图像以计算对该动物的重量的估计。在另一实施方式中，该应用程序可以被配置为识别每只动物的独特标识符。例如，三维物体104可以包括独特标识符，以允许应用程序确定每个图像中的是哪只动物。值得注意的是，其他独特标识符可用于确定特定图像中存在哪些动物。

该应用程序可以分析拍摄的每个图像。通常，在第一步骤中，应用程序可以确定三维物体104的位置并确定三维物体104的直径。由于三维物体104具有均匀的直径，该直径对于每个动物大致是相同的，因此应用程序可以存储直径的距离。一旦确定了特定图像的直径，应用程序可以将直径用作图像的比例。在应用程序取得了兴趣点之间的各种测量值之后，应用程序可以使用基于三维物体104的直径的比例来计算这些测量值。

参照图4A，示出了三维物体104的一个示例实施方式。如图所示，三维物体104可以是具有大致圆形形状的环。通过使用圆形环，三维物体104可以具有均匀的直径，使得对环的直径的任何测量将近似相等。

参照图4B，示出了三维物体104的另一示例实施方式。如图所示，标签可以具有大致圆形的形状，具有向外延伸的突出部，以允许将标签固定至动物的耳朵。值得注意的是，标签可以在标签的每一侧上包括圆形参考标记。标签可以包括一个或更多个字母数字字符或其他字符，以被实施为针对特定动物的独特标识符。在一些实施方式中，圆形参考标记可以被着色以允许容易的识别。可以理解，可以实施包括圆形参考图案的其他形状的标签。

参照图5，示出了使用牲畜重量估计***100来生成动物的估计重量的方法(或过程)的第一实施方式200。应当理解，可以包括未在图5中示出的一个或更多个步骤。

第一方法200可以从框202开始。

在框202中，可以捕获一只或更多只牲畜动物的图像。用于捕获图像的装置可以包括被设计为捕获图像的多种不同的装置和各种类型的设备。通常，录像/摄影模块106可以被实现为捕获图像。如前所述，录像/摄影模块106可以是被设计为捕获图像的多个不同设备中的任何一个设备。例如，可以使用包括视频相机和/或静态相机的无人机来捕获放牧的牲畜的图像。在另一实例中，可以将相机设备放置在牲畜牧场中的杆或其他类型的柱子上。在又一实例中，可以实施多个相机设备以捕获牲畜的图像。可以理解，可以一起使用两种或更多种不同类型的相机设备来捕获图像。

在捕获图像之后，可以在框204中处理图像。处理图像的步骤可以包括框210-220中所示的步骤中的一个或更多个步骤。

在框210中，可以对图像进行过滤。通常，可以执行背景差分法过程和/或用于检测边缘、拐角和斑点的过程。例如，可以实施背景建模或阈值化以进行背景差分法。过程包括但不限于：可以实施高斯的拉普拉斯算子(Laplacian of the Gaussian，LoG)、高斯的差分(Difference of Gaussians，DoG)、索贝尔算子(Sobel operator)、坎尼边缘检测器、最小的单值段同化核(Smallest univalue segment assimilating nucleus，SUSAN)和加速段测试的特征(Features from accelerated segment test，FAST)以检测边缘、拐角和斑点。

在框212中，可以检测图像中的物体。例如，可以检测附着至动物的三维物体104。此外，可以检测动物本身。可以实施多个过程中的一个或更多个过程以检测图像中的物体。过程可以包括但不限于支持向量机、神经网络和深度学习以识别图像中的物体。

在框214中，在已经识别出图像中的一个或更多个物体之后，可以测量三维物体104，并且可以读取三维物体104上的任何识别标记。值得注意的是，可以在每个图像中测量三维物体104以为每个图像创建比例因子。可以理解，由于三维物体104可以具有预定义的测量值，因此可以将在每个图像中获得的测量值校准到其他图像。识别文本的过程可以包括但不限于光学字符识别。

当在三维物体104上包括识别标记或字符时，方法200可以包括用于将具有相同三维物体104的图像分类和汇编在一起的步骤。例如，在对多于一只动物进行摄影的情况下，方法200可以包括用于对图像进行分类的步骤，从而基于包括所述动物的图像单独地分析每只动物。

一旦在图像中测量了三维物体104，就可以在框216中基于比例因子来校准物体尺寸。通常，可以基于三维物体104的测量来确定比例因子。

在框218中，可以将图像中检测到的每只动物构建成三维(3-D)物体(或模型)。可以实施一个或更多个过程来生成3-D物体。处理可以包括但不限于3D点云方法和姿势估计方法。应当理解，可以想到从二维图像生成三维模型的其他手段或方法。

一旦构建了动物的3-D模型，就可以在框220中计算动物的估计重量。可以基于3-D模型来实施一个或更多个过程以计算动物的估计重量。过程可以包括但不限于：使用八叉树和求和结果将点云转换为体素；并且将点云转换为曲面网格，基于曲面网格计算体积网格，然后对体积网格中的四面体体积求和。在一些实施方式中，可以实施大小和重量数据库以比较动物的3-D模型从而计算重量。

在框206中，可以将与来自经处理的图像的动物的估计重量有关的数据输出到一个或更多个设备。

在一些实施方式中，可以存储与方法200中执行的步骤有关的数据以供历史参考。例如，图像、每个图像的时间戳、图像的处理中的任何错误、检测信息(例如，被掩蔽的图像和经识别的物体)、动物身份、计算的动物重量和饲料可以被存储在数据库中。在一个实例中，数据可以被存储在控制模块102的数据库110中。在另一实例中，数据可以被存储在远程定位的服务器和/或数据库中。

在一些实例中，当获得动物的新图像时，可以重新实施处理步骤204。例如，相机设备可以连续地将图像发送到控制模块102以进行处理。如果已经对多个图像执行了处理，则方法200可以重新实施处理步骤204以包括动物的新图像。可以理解，通过包括新图像，可以渲染动物的更准确的3-D模型。通常，在已经基于新图像计算了新的估计重量之后，可以删除先前计算的估计重量。

可以理解，可以根据数据生成一个或更多个报告。例如，可以生成详细说明随时间推移的动物的重量的报告。可以生成针对随时间推移的动物的状况的报告。在另一实例中，可以生成显示饲料与重量增加/减少的相关性的报告，以帮助确定特定的一只或多只动物的适当饮食。在又一实例中，可以生成包括参考数据与特定畜群或动物群之间的比较的报告。

参照图6，示出了使用牲畜重量估计***100来生成动物的估计重量的方法(或过程)的第二实施方式300。应当理解，可以包括图6中未示出的一个或更多个步骤。

第二方法300可以从框302开始。

在框302中，可以与上述第一方法200中描述的用于捕获图像的装置类似地捕获动物的图像。值得注意的是，对于进行重量估计的每只动物，至少可以捕获动物的俯视图和动物的侧视图。

在捕获图像之后，可以在框304中处理图像。处理图像的步骤可以包括框310-320中所示的一个或更多个步骤。通常，第二方法300可以包括框310-314，它们包括与框210-214中包括的步骤和过程大致类似的步骤和过程并且可以从中参考以获取关于框310-314的更多细节。在框310中，可以对图像进行过滤。在框312中，可以检测图像中的物体。在框314中，在已经识别出图像中的一个或更多个物体之后，可以测量三维物体104，并且可以读取三维物体104上的任何识别标记。

在框316中，可以测量预定义的兴趣点之间的多个距离。通常，首先可以在图像中的每个图像中的动物上确定兴趣点。然后，可以在兴趣点之间获得测量值。值得注意的是，两个或更多个兴趣点可以配对在一起。兴趣点可以包括牲畜动物的身体上的多个不同位置。在图7中以牛身上的“x”表示了示例兴趣点。值得注意的是，当估计牛的重量时，通常可以使用动物的侧视图和俯视图。尽管通常在图中示出了牛，但是应当理解，可以将相同的技术应用于其他类型的牲畜。

在框318中，可以校准在先前步骤中的测量值。类似于先前描述的第一方法100，比例因子可以基于图像中的三维物体104的测量。可以理解，每个图像中的测量值可以被校准以增加对重量的估计的准确性。

一旦已经校准了图像测量值中的每个图像测量值，就可以在框320中计算动物的重量。在一个实例中，可以基于在兴趣点之间获得的测量值来计算重量。估计牛的重量的一种方式是测量(i)相对于牛的心脏位置的牛的围长，以及(ii)牛的身体的长度。然后，使用两次测量，可以通过以下等式计算牛的重量：

G²×L＝W

在上面的等式中，“G”代表对牛的围长的测量，“L”代表牛的身体的长度，且“W”代表以磅为单位的牛重量。值得注意的是，可以包括其他参数以进一步细化上述公式。例如，可以包括可以基于牛的类型的比例因子。不同品种的牛的毛发更短或更粗，这可能在上述估计牛的重量的方法中引入不准确性。这样，可以基于牛的品种利用比例因子来修改公式，以增加估计重量的准确性。

参照图7，示出了包括动物350身上的兴趣点的侧视图和俯视图，以用于计算动物的估计重量。如侧视图所示，在动物350身上可以有四(4)个兴趣点，在图中用“X”表示。两个兴趣点位于动物350的前部附近且动物350的背部可以是测量值“A”。位于动物350的底部和动物350的顶部附近的两个兴趣点可以是测量值“B”。值得注意的是，测量值“A”可以实施为前述等式中的动物350的长度(L)。值得注意的是，可以利用一个或更多个比例因子来校准测量值“A”，以考虑动物350的身体会是弯曲的而不是笔直的。因此，可实施比例因子以增加测量的准确性。

如俯视图所示，用“X”表示的两个兴趣点可以是测量值“C”。可以实施测量值“C”和测量值“B”以计算动物350的近似围长。可以理解的是，动物350可以具有大致椭圆的剖面。这样，测量值“C”可以是椭圆的短轴并且测量值“B”可以是椭圆的长轴。基于这两个测量值，可以通过找到椭圆的周长来计算近似围长(G)。用于计算椭圆的周长的等式是众所周知的，并且不包括在本文中。

一旦计算出围长(G)和长度(L)的测量值，就可以根据上述等式计算出估计重量。

在计算出估计重量之后，可以在框306中输出数据。框306可以与第一方法200中的框206大致相似。

替代实施方式和变体

在随附附图中示出和/或在上文中描述的各种实施方式及其变体仅是示例性的，并且不意味着限制本发明的范围。应当理解，对于本领域的普通技术人员显而易见的是，考虑到本公开的益处，已经设想了本发明的许多其他变体。根据阅读所附权利要求书的本发明的所有变体旨在并且被认为落入本发明的范围内。

Claims (15)

1.一种用于估计动物的重量的方法，所述方法包括：

提供具有已知尺寸的第一三维物体；

将所述第一三维物体附着到第一动物；

在所述第一三维物体附着到所述第一动物的情况下获得所述第一动物的多个图像；

处理所述第一动物的所述多个图像，所述处理的步骤包括：

识别第一图像中的所述第一三维物体和所述第一动物；

测量所述第一图像中的所述第一三维物体的直径；

基于所述第一图像中的所述第一三维物体来校准所述第一图像中的所述第一动物的尺寸；

识别第二图像中的所述第一三维物体和所述第一动物；

测量所述第二图像中的所述第一三维物体的直径；

基于所述第二图像中的所述第一三维物体来校准所述第二图像中的所述第一动物的尺寸；

基于所述第一图像和所述第二图像中的所述第一动物的经校准的尺寸来构建表示所述第一动物的第一3-D模型；

基于所述第一动物的所述第一3-D模型来计算所述第一动物的第一估计重量。

2.根据权利要求1所述的方法，其中，所述第一三维物体包括独特标识符。

3.根据权利要求1所述的方法，其中，所述第一3-D模型是点云模型。

4.根据权利要求1所述的方法，其中，所述第一3-D模型是使用姿势估计来构建的。

5.根据权利要求1所述的方法，其中，所述第一三维物体附着到所述第一动物的耳朵。

6.根据权利要求1所述的方法，所述处理的步骤还包括以下步骤：

识别第三图像中的所述第一三维物体和所述第一动物；

测量所述第三图像中的所述第一三维物体的直径；

基于所述第三图像中的所述第一三维物体来校准所述第三图像中的所述第一动物的尺寸；

基于所述第一图像、所述第二图像和所述第三图像中的所述第一动物的经校准的尺寸来构建表示所述第一动物的第二3-D模型；以及

基于所述第一动物的所述第二3-D模型来计算所述第一动物的第二估计重量。

7.根据权利要求6所述的方法，所述处理的步骤还包括以下步骤：

识别第四图像中的所述第一三维物体和所述第一动物；

测量所述第四图像中的所述第一三维物体的直径；

基于所述第四图像中的所述第一三维物体来校准所述第四图像中的所述第一动物的尺寸；

基于所述第一图像、所述第二图像、所述第三图像和所述第四图像中的所述第一动物的经校准的尺寸来构建表示所述第一动物的第三3-D模型；以及

基于所述第一动物的所述第三3-D模型来计算所述第一动物的第三估计重量。

8.根据权利要求7所述的方法，其中，(i)在计算所述第二估计重量之后删除与所述第一估计重量相关的数据；以及(ii)在计算所述第三估计重量之后删除与所述第二估计重量相关的数据。

9.根据权利要求1所述的方法，所述方法还包括以下步骤：

提供具有已知尺寸的第二三维物体，所述第二三维物体是具有大致圆形形状的环；

将所述第二三维物体附着到第二动物；

在所述第二三维物体附着到所述第二动物的情况下获得所述第二动物的多个图像；

处理所述第二动物的所述多个图像，所述处理的步骤包括：

识别第三图像中的所述第二三维物体和所述第二动物；

测量所述第三图像中的所述第二三维物体的直径；

基于所述第三图像中的所述第二三维物体来校准所述第三图像中的所述第二动物的尺寸；

识别第四图像中的所述第二三维物体和所述第二动物；

测量所述第四图像中的所述第二三维物体的直径；

基于所述第四图像中的所述第二三维物体来校准所述第四图像中的所述第二动物的尺寸；

基于所述第三图像和所述第四图像中的所述第二动物的经校准的尺寸来构建表示所述第二动物的3-D模型；

基于所述第二动物的3-D模型来计算所述第二动物的估计重量。

10.根据权利要求1所述的方法，其中，所述第一三维物体是具有大致圆形形状的环。

11.根据权利要求1所述的方法，其中，所述第一三维物体包括具有大致圆形形状的至少一个标记。

12.一种用于估计动物重量的方法，所述方法包括：

提供具有已知尺寸的三维物体；

将所述三维物体附着到动物；

在所述三维物体附着到所述动物的情况下获得所述动物的第一图像和第二图像，所述第一图像是侧视图并且所述第二图像是俯视图；

处理所述第一图像和所述第二图像，所述处理的步骤包括：

确定所述第一图像中的所述三维物体的位置；

确定所述第一图像中的所述三维物体的直径；

确定所述第一图像中的所述动物的第一组兴趣点；

测量所述第一图像中的所述第一组兴趣点中的预定义对之间的距离；

基于所述第一图像中的所述三维物体的所述已知尺寸来按比例改变测量值；

确定所述第二图像中的所述三维物体的位置；

确定所述第二图像中的所述三维物体的直径；

确定所述第二图像中的所述动物上的第二组兴趣点；

测量所述第二图像中的所述第二组兴趣点中的预定义对之间的距离；

基于所述第二图像中的所述三维物体的所述已知尺寸来按比例改变测量值；

计算所述动物的估计重量。

13.根据权利要求12所述的方法，其中，所述三维物体是具有大致圆形形状的环。

14.根据权利要求12所述的方法，其中，所述图像是由相机设备以红外光谱捕获的。

15.根据权利要求12所述的方法，所述处理步骤还包括以下步骤：

确定所述动物的品种；以及

基于所述动物的所述品种来调节所述动物的所述估计重量。

Images