申请/专利权人：杨龙

申请日：2021-07-12

公开（公告）日：2024-04-16

公开（公告）号：CN113627486B

主分类号：G06V10/774

分类号：G06V10/774;G06V10/80;G06Q50/02;G06V10/82;G06N3/0464;G06N3/08;A01K29/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2021.11.26#实质审查的生效;2021.11.09#公开

摘要：本发明公开了一种牲畜估重方法、装置及存储介质，其中方法包括：采集目标区域中待评估牲畜的图像数据，并将所述图像数据分为训练集和测试集，其中，所述图像数据包括深度数据和可见光数据；对所述训练集中的图像数据进行数据标注，得到待处理数据；将所述待处理数据中的深度数据以及可见光数据输入至深度学习神经网络模型中进行模型训练，得到牲畜体重评估模型；将所述测试集输入至所述牲畜体重评估模型中，得到所述待评估牲畜的体重数据。本发明实施例通过计算机视觉采集牲畜的深度数据以及可见光数据，以对牲畜进行估重，能够有效减少工作量以及降低估重误差，从而能够有效提高牲畜体重评估的效率。

主权项：1.一种牲畜估重方法，其特征在于，包括：采集目标区域中待评估牲畜的图像数据，并将所述图像数据分为训练集和测试集，其中，所述图像数据包括深度数据和可见光数据；可见光数据为可见光RGB数据；对所述训练集中的图像数据进行数据标注，得到待处理数据；将所述待处理数据中的深度数据以及可见光数据输入至深度学习神经网络模型中进行模型训练，得到牲畜体重评估模型；在训练时，所述可见光RGB数据用于对牲畜轮廓的提取，所述深度数据根据牲畜轮廓，将权重数据集中到轮廓内部并降低非牲畜身上数据的权重；其中，将深度数据以及可见光数据输入至深度神经网络中进行卷积运算，并在卷积运算过程中将深度数据以及RGB可见光数据进行融合，并在融合之后再通过全连接层对所述待处理数据中的可见光数据以及深度数据进行处理，得到所述待评估牲畜的特征值以及mask位图；将牲畜体重数据作为拟合目标，根据所述特征值以及所述mask位图进行模型训练，得到牲畜体重评估模型；将所述测试集输入至所述牲畜体重评估模型中，得到所述待评估牲畜的体重数据；其中，将所述体重数据与牲畜的真实体重数据进行比对，若所述体重数据的准确率低于预设值，则重新进行模型训练。

全文数据：

权利要求：

百度查询： 杨龙 一种牲畜估重方法、装置及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD