一种基于目标检测网络模型YOLOv8的非接触式牛体重测量方法

专利主权项内容

1.一种基于目标检测网络模型YOLOv8的非接触式牛体重测量方法，其特征在于，所述测量方法包括如下步骤：步骤S1：牛姿态识别模型建立步骤S11：使用影像采集设备进行视频数据采集，不间断分别采集牛上方背部视频数据及牛左右侧面视频数据；步骤S12：对采集到的牛上方背部视频数据及牛左右侧面视频数据进行初步筛选，按帧提取出牛姿态图像；步骤S13：人工识别步骤S12中提取的牛姿态图像，标记牛姿态类别，所有图像标注完成后转换为YOLO格式的存储标签；步骤S14：将标注好牛姿态类别的图像按比例随机分为训练集和测试集；步骤S15：将步骤S14所得的训练集输入到YOLOv8网络模型中进行牛姿态识别模型的训练，得到训练好的牛姿态识别模型；步骤S16：将步骤S14所得的测试集输入到训练好的牛姿态识别模型中，对该模型进行验证，并输出验证结果，得到最终的牛姿态识别模型；步骤S2：牛个体身份识别模型建立步骤S21：使用影像采集设备进行视频数据采集，不间断分别采集牛个体身份视频数据；步骤S22：对采集到的牛个体身份视频数据进行初步筛选，按帧提取出牛个体身份图像；步骤S23：人工识别步骤S22中提取的牛个体身份图像，标记牛个体身份信息，所有图像标注完成后转换为YOLO格式的存储标签；步骤S24：将标注好牛个体身份的图像按比例随机分为训练集和测试集；步骤S25：将步骤S24所得的训练集输入到YOLOv8网络模型中进行牛个体身份识别模型的训练，得到训练好的牛个体身份识别模型；步骤S26：将步骤S24所得的测试集输入到训练好的牛个体身份识别模型中，对该模型进行验证，并输出验证结果，得到最终的牛个体身份识别模型；步骤S3：牛体尺参数特征提取使用影像采集设备对需要进行体重测试的牛进行视频数据采集，不间断分别采集牛上方背部视频数据、牛左右侧面视频数据及牛个体身份视频数据；按帧提取出牛姿态图像及牛个体身份图像；首先将牛姿态图像输入到建立好的牛姿态识别模型中，对牛姿态进行识别，当牛姿态图像中的牛识别为正常姿态时，将其姿态图像或者牛个体身份图像再输送到牛个体身份识别模型，对牛进行个体身份识别；牛个体身份识别结束后，将该特定牛个体的牛上方背部、牛左右侧面图像数据输入到牛体尺参数特征提取模块，包括以下步骤：步骤S31：定义颈部关键点及尾部关键点定义牛头在左、尾在右为正方向，得到顶部视角牛上方背部图像轮廓，在牛上方背部轮廓的左半部分，若是牛的背部轮廓曲线在某上下两处的曲率变化大于附近其他位置的曲率变化，且该两处的体宽也小于附近其他位置的体宽，则该两点定义为颈部上关键点a和颈部下关键点A；11在牛上方背部轮廓的右半部分，若是牛的轮廓曲线在某上下两处的曲率变化大于附近其他位置的曲率变化，且该两处的体宽小于左侧体宽、大于右侧体宽，则该两点定义为尾部上关键点a和尾部下关键点A；n+1n+1步骤S32：牛体尺参数特征提取将颈部上关键点a和颈部下关键点A调整连成竖直线L，将尾部上关键点a和尾部下关键点A调整连成竖直线L；111n+1n+1n+1牛上方背部轮廓内，在竖直线L和竖直线L之间设置n-1个平行于竖直线L和竖直线L的竖直线L，L，L…L，将竖直线L和竖直线L之间距离等分为n份，其中，竖直线L与牛背部轮廓上半部分交点为a，竖直线L与牛背部轮廓下半部分交点为A，竖直线L与牛背部轮廓上半部分交点为a，竖直线L与牛背部轮廓下半部分交点为A，竖直线L与牛背部轮廓上半部分交点为a，竖直线L与牛背部轮廓下半部分交点为A，依此类推，竖直线L与牛背部轮廓上半部分交点为a，竖直线L与牛背部轮廓下半部分交点为A；1n+11n+1234n1n+1222233334444nnnn在牛左右侧面图像数据中，定义牛头在左、尾在右为正方向，识别出牛背部最高点和牛蹄最低点，取差值得到牛的体高，记录为L；n+4计算a，a，A，A所形成的梯形面积，记录为S；计算a，a，A，A所形成的梯形面积，记录为S；计算a，a，A，A所形成的梯形面积，记录为S；依次类推，计算a，a，A，A所形成的梯形面积，记录为S；计算a，a，A，A所形成的梯形面积，记录为S；121212323234343n-1nn-1nn-1nn+1nn+1n计算牛背部轮廓体宽最大处的上下水平切线与竖直线L及竖直线L的延长线相交所围成的矩形面积，记录为S；1n+1n+1步骤S33：牛体尺参数综合组合指标确定及综合组合指标与牛体重预测的回归模型建立按照如下公式确定牛体尺参数综合组合指标S：gS＝S+S+S+S+…+S+S*L；g1234nn+1n+4其中，n≥4；根据单张图片的牛体尺参数综合组合指标S；计算多张图片的牛体尺参数综合组合指标S(平均)；gg将牛的实际体重与S(平均)之间关系进行回归分析，建立牛预测体重与牛体尺参数综合组合指标S(平均)之间拟合的回归模型；gg利用k个牛个体数量的牛实际体重与牛预测体重计算体重均方根误差，以评估回归模型性能，k≥16；如体重均方根误差小于20kg，则输出预测回归模型，用于牛体重预测。 （更多数据，详见马克数据网）