【技术实现步骤摘要】
一种基于点云深度学习的肉牛体重预测方法
所属
[0001]本专利技术涉及IFM O3D303深度相机获得肉牛的侧面三维点云数据,结合三维深度学习模型PointNet++,实现了安全快速的肉牛体重自动化预测方法。
技术介绍
[0002]近年来,随着计算机视觉技术和人工智能技术的迅速发展,基于图像的动物体尺测量方法引起了国内外研究人员的广泛关注,基于三维点云的识别方法及特征提取也受到了广泛重视。与传统的图像处理方法不同,深度学习被使用并且适合于通过深度卷积神经网络学习图像特征,且适用于背景复杂的图像应用。在精准畜牧业的背景下,提出用深度学习的方法来实现肉牛的体尺体重测量具有较大的应用价值,对提高肉牛的产量有重要的应用意义。
技术实现思路
[0003]本专利技术专利采用IFM O3D303相机采集肉牛的三维点云数据,结合三维点云深度学习模型PointNet++识别出牛的特征部位后,提取特征部位轮廓并对轮廓点进行筛选,以确定体斜长和胸围的测点。最后利用约翰逊法公式预测出体重,最终实现肉牛体重数据非接触式高效测量。
[0004]本专利技术解决其技术问题所采用的技术方案是:(1)本文首先使用德国易福门O3D303激光雷达相机拍摄肉牛点云数据,然后对原始肉牛场景点云数据进行滤波(体素滤波、统计滤波、条件滤波)、聚类分割(欧式聚类、随机采样一致性聚类)等预处理,得到只含牛体的清晰完整的点云数据。利用旋转矩阵方式对肉牛点云进行扩充,然后采用点云标注软件Semantic
‑
segmentation ...
【技术保护点】
【技术特征摘要】
1.一种基于点云深度学习的活体肉牛体重预测方法,即利用IFM O3D303相机获取牛的侧面三维点云数据,训练三维点云深度学习模型PointNet++以识别肉牛的3项体尺特征部位。然后提取特征部位轮廓,根据轮廓点的曲率判断体尺测点候选区域,选择候选区域曲率最大点作为相应的体尺测点,实现肉牛的体高和体斜长的精确测量,然后带入约翰逊法公式预测出体重。2.根据权利要求1所述的基于点云深度学习的活体肉牛体重预测方法,其特征在于:采用在Windows 10系统中,在Visual Studio 2015结合IFM O3D303传感器的软件开发套件PMDSDK2、编译工具CMake 2.8、点云库(Point Cloud Library,PCL)的混合开发环境下,采用C++语言实现对拍摄得到的牛体三维点云数据进行实时预处理,采用点云标注软件Semantic
‑
segmentation
‑
editor标注肉牛点云,主要标注3...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。