CN117576733B 一种基于计算机视觉的自动检测羊理想站姿方法 （南京农业大学）

街道江苏省栖霞现代农业产业园区南京农业大学现代园艺产业科技创新中心一种基于计算机视觉的自动检测羊理想站本发明公开了一种基于计算机视觉的自动检测深度学习模型提取羊体骨架特征关键点；在畜牧养殖智能化技术领域具有广泛的应用前2S4、根据羊理想站姿判定标准，设计用于羊理想站姿判定的21组图像特征向量如下：S2_2、使用k_means聚类算法从步骤S1获得的侧视图像中随机抽样用于构建羊体骨架S2_3、对DS_kp_tr中的图像进行关键点标注，为每S2_4、使用特征图预测分支的损失函数sigmoid_cross失函数huber_loss作为目标函数评估模型预测关键点与标注S2_5、选定ResNet50网络作为DeepLabCut模型的主S2_6、将S2_2划分的DS_kp_te输入到训练好的DeepLa4.根据权利要求3所述的方法，其特征在于，S2_4中，特征图预测分支的损失函数sigmoid_cross_entropy_loss和偏移位置的损失函3其中，sigmoid_cross_entropy_loss中的Pn表示实际标签，表示模型的预测概率；此构建站姿分类数据集DS_sc，并将DS_sc按照9:1的比例划分为训练集DS_sc_tr和测试集S5_2、利用如下数学公式计算S4设计的21组图像S5_3、从DS_sc_tr提取步骤S4中设计的21组图像特S5_5、从DS_sc_tr中提取S5_4得到的17组图像设置于图像采集室出口处的出口门禁(1)、出口外的出口通道围栏(3侧视相机(8)基于侧视相机支架(6)设置于图像采集室的一侧，用于拍摄羊体侧视图图像采集室的侧视相机(8)侧设置玻璃挡板(13)，玻璃挡板(13)的对侧为可移动挡板4处理器基于图像采集室获取的图像信息自动计算获得羊体5解决如何自动评判视频帧图像中羊是否处于理想站[0012]S2_2、使用k_means聚类算法从步骤S1获得的侧视图像中随机抽样用于构建羊体骨架关键点定位模型的数据集DS_kp，将DS_kp按照8:2的比例划分为训练集DS_kp_tr和测6想站姿判定标准人工标注DS中各图像中的羊站姿理想与否，将标注结果与关键点信息合7种基于计算机视觉的自动检测羊理想站姿方法，该方法实地采集了图像数据并进行预处现基于机器学习的理想站姿筛选过程。该方法整体流程图如图1所示，主要包括以下步骤[0043]S2、使用关键点检测深度学习模型DeepLabCut提取羊体骨架特征关键点，8[0045]S2_2、使用k_means聚类算法从步骤S1获得的侧视图像中随机抽样用于构建羊体骨架关键点定位模型的数据集DS_kp，将DS_kp按照8:2的比例划分为训练集DS_kp_tr和测DeepLabCut模型的损失函数主要有两个，分别是特征图part_pred预测分支的损失函数9想站姿判定标准人工标注DS中各图像中的羊站姿理想与否，对于满足理想站姿标准的图[0081]优选的实施例中，使用申请人于2022年向国家知识产权局递交发明专利(申请号光电传感器9_2安装位置靠近出口门禁1，确保羊完全进入图像采集室后触发入口门禁2关