一种猪群扎堆检测方法、装置、设备及可读存储介质制造方法及图纸

本发明专利技术公开了一种猪群扎堆检测方法，该方法通过获取猪舍养殖栏位的图片，并调用预训练的神经网络模型提取猪群前景，通过分类模型自动识别猪群是否扎堆。该方法可以自动检测猪群是否出现扎堆，解决了目前通过人工检测猪群扎堆时存在费事费力和监控不及时的问题；而且通过自动监控识别减少人与猪群的接触，能在一定程度上防止疾病传播，保证猪群健康；同时该方法可以生成精准的扎堆检测结果，可以为猪舍环控、猪群疾病推理与诊断等提供有效可靠的参考信息。本发明专利技术还公开了一种猪群扎堆检测装置、设备及可读存储介质，具有相应的技术效果。具有相应的技术效果。具有相应的技术效果。

【技术实现步骤摘要】
一种猪群扎堆检测方法、装置、设备及可读存储介质


[0001]本专利技术涉及智能养殖
，特别是涉及一种猪群扎堆检测方法、装置、设备及可读存储介质。

技术介绍

[0002]在猪群养殖中，若栏位中出现猪群扎堆(指多头猪堆叠)，说明栏位环境温度过低，或猪群有疾病。准确并及时发现猪群扎堆，提早进行干预，有较大的生产价值。
[0003]目前绝大多数的养殖场均采用人工猪群扎堆判断，即使在一些自动化养殖场，也仅能提供简单的养殖环境监控，无法实现猪群扎堆的自动识别。这导致目前一般是通过人力巡检的方式检测猪群是否出现扎堆，但这种人工检测方式不仅费时费力，监控不及时，而且对人员也有较高的要求，不利于集约化生产。
[0004]综上所述，如何解决了目前通过人工检测猪群扎堆时存在费事费力和监控不及时的情况，是目前本领域技术人员急需解决的技术问题。

技术实现思路

[0005]本专利技术的目的是提供一种猪群扎堆检测方法、装置、设备及可读存储介质，以自动检测猪群是否出现扎堆。
[0006]为解决上述技术问题，本专利技术提供如下技术方案：
[0007]一种猪群扎堆检测方法，包括：
[0008]获取猪舍养殖栏位的图片；
[0009]调用预训练的神经网络模型对所述图片进行掩膜识别，确定所述图片中目标栏位中的猪只图片；
[0010]调用预训练的扎堆分类模型对所述猪只图片进行扎堆识别，得到扎堆检测结果。
[0011]可选地，在所述调用预训练的神经网络模型对所述图片进行掩膜识别之前，还包括：
[0012]判断所述图片中色调、清晰度、像素值以及采集角度是否异常；
[0013]若存在异常，执行所述获取猪舍养殖栏位的图片的步骤；
[0014]若不存在异常，执行所述调用预训练的神经网络模型对所述图片进行掩膜识别的步骤。
[0015]可选地，所述调用预训练的神经网络模型对所述图片进行掩膜识别，确定所述图片中目标栏位中的猪只图片，包括：
[0016]调用语义分割神经网络模型对所述图片进行掩膜识别，得到语义识别结果；
[0017]根据所述语义识别结果中的猪只掩膜对所述目标栏位图片进行裁剪，得到猪只图片。
[0018]可选地，所述根据所述语义识别结果中的猪只掩膜对所述目标栏位图片进行裁剪，包括：
[0019]根据所述语义识别结果中的猪只掩膜将所述图片中非猪只部分图像的像素值设置为0，得到像素设置图片；
[0020]根据所述猪只掩膜的坐标值在所述像素设置图片中裁剪出包括所有猪只的最小矩形，作为所述猪只图片。
[0021]可选地，在所述调用预训练的神经网络模型对所述图片进行掩膜识别之前，还包括：
[0022]调用实例分割神经网络模型对所述图片进行掩膜识别，得到实例识别结果；
[0023]判断所述实例识别结果中栏位掩膜的实例数据是否符合完整目标栏位规则；所述实例数据包括实例数和实例像素坐标；
[0024]若不符合，执行所述获取猪舍养殖栏位的图片的步骤；
[0025]若符合，执行所述调用预训练的神经网络模型对所述图片进行掩膜识别的步骤。
[0026]可选地，在执行所述调用预训练的神经网络模型对所述图片进行掩膜识别的步骤之前，还包括：
[0027]根据所述栏位掩膜的像素坐标确定在所述目标栏位中的所述实例识别结果中猪只掩膜的实例数是否达到检测阈值；
[0028]若达到，执行所述调用预训练的神经网络模型对所述图片进行掩膜识别的步骤；
[0029]若未达到，生成未扎堆的扎堆检测结果。
[0030]可选地，所述的猪群扎堆检测方法，还包括：
[0031]若所述扎堆检测结果显示猪群扎堆聚集，输出扎堆告警信息。
[0032]一种猪群扎堆检测装置，包括：
[0033]图片获取单元，用于获取猪舍养殖栏位的图片；
[0034]猪群前景提取单元，用于调用预训练的神经网络模型对所述图片进行掩膜识别，确定所述图片中目标栏位中的猪只图片；
[0035]扎堆识别单元，用于调用预训练的扎堆分类模型对所述猪只图片进行扎堆识别，得到扎堆检测结果。
[0036]一种猪群扎堆检测设备，包括：
[0037]存储器，用于存储计算机程序；
[0038]处理器，用于执行所述计算机程序时实现上述猪群扎堆检测方法的步骤。
[0039]一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述猪群扎堆检测方法的步骤。
[0040]本专利技术实施例所提供的方法，通过获取猪舍养殖栏位的图片，并调用预训练的神经网络模型提取猪群前景，通过分类模型自动识别猪群是否扎堆。该方法可以自动检测猪群是否出现扎堆，解决了目前通过人工检测猪群扎堆时存在费事费力和监控不及时的问题；而且通过自动监控识别减少人与猪群的接触，能在一定程度上防止疾病传播，保证猪群健康；同时该方法可以生成精准的扎堆检测结果，可以为猪舍环控、猪群疾病推理与诊断等提供有效可靠的参考信息。
[0041]相应地，本专利技术实施例还提供了与上述猪群扎堆检测方法相对应的猪群扎堆检测装置、设备和可读存储介质，具有上述技术效果，在此不再赘述。
附图说明
[0042]为了更清楚地说明本专利技术实施例或相关技术中的技术方案，下面将对实施例或相关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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0043]图1为本专利技术实施例中一种猪群扎堆检测方法的实施流程图；
[0044]图2为本专利技术实施例中一种猪群扎堆检测装置的结构示意图；
[0045]图3为本专利技术实施例中一种猪群扎堆检测设备的结构示意图。
具体实施方式
[0046]本专利技术的核心是提供一种猪群扎堆检测方法，可以自动检测猪群是否出现扎堆。
[0047]为了使本
的人员更好地理解本专利技术方案，下面结合附图和具体实施方式对本专利技术作进一步的详细说明。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0048]请参考图1，图1为本专利技术实施例中一种猪群扎堆检测方法的流程图，该方法包括以下步骤：
[0049]S101、获取猪舍养殖栏位的图片；
[0050]猪舍中包含若干养殖栏位，每个养殖栏位中养殖若干猪只，获取针对猪舍中某个养殖栏位进行图像采集获得的图片，针对该图片进行猪群扎堆的检测。
[0051]需要说明的是，本实施例中对于图片的采集过程不做限定，可以根据实际应用场景的需要进行相应设置，比如可以借助猪舍上方的轨道上运行的巡检小车上的(可见光)摄像头，在每个栏位中间采集(可见光)图片；也可以在每个养殖栏位的上方设本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种猪群扎堆检测方法，其特征在于，包括：获取猪舍养殖栏位的图片；调用预训练的神经网络模型对所述图片进行掩膜识别，确定所述图片中目标栏位中的猪只图片；调用预训练的扎堆分类模型对所述猪只图片进行扎堆识别，得到扎堆检测结果。2.根据权利要求1所述的猪群扎堆检测方法，其特征在于，在所述调用预训练的神经网络模型对所述图片进行掩膜识别之前，还包括：判断所述图片中色调、清晰度、像素值以及采集角度是否异常；若存在异常，执行所述获取猪舍养殖栏位的图片的步骤；若不存在异常，执行所述调用预训练的神经网络模型对所述图片进行掩膜识别的步骤。3.根据权利要求1所述的猪群扎堆检测方法，其特征在于，所述调用预训练的神经网络模型对所述图片进行掩膜识别，确定所述图片中目标栏位中的猪只图片，包括：调用语义分割神经网络模型对所述图片进行掩膜识别，得到语义识别结果；根据所述语义识别结果中的猪只掩膜对所述目标栏位图片进行裁剪，得到猪只图片。4.根据权利要求3所述的猪群扎堆检测方法，其特征在于，所述根据所述语义识别结果中的猪只掩膜对所述目标栏位图片进行裁剪，包括：根据所述语义识别结果中的猪只掩膜将所述图片中非猪只部分图像的像素值设置为0，得到像素设置图片；根据所述猪只掩膜的坐标值在所述像素设置图片中裁剪出包括所有猪只的最小矩形，作为所述猪只图片。5.根据权利要求1所述的猪群扎堆检测方法，其特征在于，在所述调用预训练的神经网络模型对所述图片进行掩膜识别之前，还包括：调用实例分割神经网络模型对所述图片进行掩膜识别，得到实例识...

【专利技术属性】
技术研发人员：张玉良，黄煜，尤园，
申请(专利权)人：河南牧原智能科技有限公司，
类型：发明
国别省市：