基于深度学习算法的奶牛体尺测量方法技术

本发明专利技术公开了一种基于深度学习算法的奶牛体尺测量方法，包括以下步骤：S1：奶牛选取：通过多个奶牛中抽取体形不同的奶牛，并对各个奶牛进行编号进行记录；S2：建立TOF相机：通过建立测量点，并且在测量点的顶部、前后、左右均设置有相机，且相机的数量设置为2

【技术实现步骤摘要】
基于深度学习算法的奶牛体尺测量方法


[0001]本专利技术涉及体尺测量方法术领域，尤其涉及一种基于深度学习算法的奶牛体尺测量方法。

技术介绍

[0002]奶牛的生长状况、体尺性状、体型性状和繁殖性状息息相关，体尺参数的变化能直接反应出奶牛的生长状况。妊娠奶牛体尺参数的变化对产仔的存活数、出生时奶牛的体重以及断奶奶牛的体重起着关键作用。采用常规获取体尺参数的方法对奶牛进行直接接触测量，会给奶牛带来应激性，影响其健康生长。
[0003]随着科学技术发展，三维重建与点云处理技术已较普及，目前，用于体尺测量技术的点云获取设备大多为激光扫描仪，但是激光扫描仪结构较为复杂，测量现场的操作情况直接影响点云数据疏密程度，非常可能会给后期数据处理带来较大不便，因此我们提出了基于深度学习算法的奶牛体尺测量方法，用来解决上述问题。

技术实现思路

[0004]基于
技术介绍
存在的技术问题，本专利技术提出了基于深度学习算法的奶牛体尺测量方法。
[0005]本专利技术提出的基于深度学习算法的奶牛体尺测量方法，包括以下步骤：
[0006]S1：奶牛选取：通过多个奶牛中抽取体形不同的奶牛，并对各个奶牛进行编号进行记录；
[0007]S2：建立TOF相机：通过建立测量点，并且在测量点的顶部、前后、左右均设置有相机，且相机的数量设置为2
‑
3个；
[0008]S3：数据测量：通过S2中的相机，对测量点中的奶牛完整身体区域的深度图像进行采集；
[0009]S4：奶牛三维模型：除去背景数据，通过覆盖奶牛完整身体区域的深度图像，构建奶牛三维模型；
[0010]S5：模型分割：通过对奶牛的三维模型进行分割，并把三维图像数据转化为三维坐标点数据；
[0011]S6：建立三维坐标：将奶牛长度的方向设为坐标的X轴，将垂直于X轴方向的Y轴设为奶牛数据的Y轴；将原始数据X轴和Y轴同时以Z坐标旋转θ角度，得到坐标轴F1和F2；
[0012]S7：选取测量点：通过三维坐标轴选取两个体尺的测量点，且测量起点设置为l1(X1、Y1、Z1)，测量终终点l2(X2、Y2、Z2)；
[0013]S8：通过体尺算法对对应的尺寸数据进场测量。
[0014]优选的，所述S6中的旋转变换公式如公式，得到的坐标轴F1作为后续数据处理的新的坐标系X、Y轴；F1＝Xcosθ
±
Ysinθ。
[0015]优选的，所述S8中的体尺的算法公式设置为
[0016]优选的，所述S5中三维坐标系建立座板通过三维坐标点进行随机采样，获得多个数据点集，且数据点集设置为6
‑
10个，当各个数据点集均正确的情况下，能够提高坐标系的正确率。
[0017]优选的，所述体尺的测量包括身高、体长、体斜长、胸围、后躯宽、胸围长、肢长。
[0018]优选的，所述S1中选取的奶牛数量为3
‑
5头，且奶牛标号依次设置为N＝n1、n2、n3、n4、n5。
[0019]优选的，所述体尺指数的公示设置为体长指数＝体斜长/体高X100，胸宽指数＝胸宽/胸深X100。
[0020]优选的，所述管围指数＝管围/体高X100，胸围指数＝胸围/体高X＝100，肢长指数＝(体高
‑
胸深)/体高X100。
[0021]本方法在TOF深度相机分别对奶牛进行数据采集，直接获得高分辨率的深度数据，并对获取的深度数据进行预处理建立三维模型并能够分离出三维数据，通过体尺的算法能够对身高、体长、体斜长、胸围、后躯宽、胸围长、肢长进行测量，并通过指数公示对体长指数、胸宽指数、管围指数、胸围指数和肢长指数进行计算，能够对奶牛的生长状态进行监测。
具体实施方式
[0022]下面结合具体实施例对本专利技术作进一步解说。
[0023]实施例一
[0024]本实施例中提出了基于深度学习算法的奶牛体尺测量方法，包括以下步骤：
[0025]S1：奶牛选取：通过多个奶牛中抽取体形不同的奶牛，并对各个奶牛进行编号进行记录；
[0026]S2：建立TOF相机：通过建立测量点，并且在测量点的顶部、前后、左右均设置有相机，且相机的数量设置为2个；
[0027]S3：数据测量：通过S2中的相机，对测量点中的奶牛完整身体区域的深度图像进行采集；
[0028]S4：奶牛三维模型：除去背景数据，通过覆盖奶牛完整身体区域的深度图像，构建奶牛三维模型；
[0029]S5：模型分割：通过对奶牛的三维模型进行分割，并把三维图像数据转化为三维坐标点数据；
[0030]S6：建立三维坐标：将奶牛长度的方向设为坐标的X轴，将垂直于X轴方向的Y轴设为奶牛数据的Y轴；将原始数据X轴和Y轴同时以Z坐标旋转θ角度，得到坐标轴F1和F2；
[0031]S7：选取测量点：通过三维坐标轴选取两个体尺的测量点，且测量起点设置为l1(X1、Y1、Z1)，测量终终点l2(X2、Y2、Z2)；
[0032]S8：通过体尺算法对对应的尺寸数据进场测量。
[0033]本实施例中，所述S6中的旋转变换公式如公式，得到的坐标轴F1作为后续数据处理的新的坐标系X、Y轴；F1＝Xcosθ
±
Ysinθ。
[0034]本实施例中，所述S8中的体尺的算法公式设置为
[0035]本实施例中，所述S5中三维坐标系建立座板通过三维坐标点进行随机采样，获得多个数据点集，且数据点集设置为6个，当各个数据点集均正确的情况下，能够提高坐标系
的正确率。
[0036]本实施例中，所述体尺的测量包括身高、体长、体斜长、胸围、后躯宽、胸围长、肢长。
[0037]本实施例中，所述S1中选取的奶牛数量为3头，且奶牛标号依次设置为N＝n1、n2、n3。
[0038]本实施例中，所述体尺指数的公示设置为体长指数＝体斜长/体高X100，胸宽指数＝胸宽/胸深X100。
[0039]本实施例中，所述管围指数＝管围/体高X100，胸围指数＝胸围/体高X＝100，肢长指数＝(体高
‑
胸深)/体高X100。
[0040]实施例二
[0041]本实施例中提出了基于深度学习算法的奶牛体尺测量方法，包括以下步骤：
[0042]S1：奶牛选取：通过多个奶牛中抽取体形不同的奶牛，并对各个奶牛进行编号进行记录；
[0043]S2：建立TOF相机：通过建立测量点，并且在测量点的顶部、前后、左右均设置有相机，且相机的数量设置为2个；
[0044]S3：数据测量：通过S2中的相机，对测量点中的奶牛完整身体区域的深度图像进行采集；
[0045]S4：奶牛三维模型：除去背景数据，通过覆盖奶牛完整身体区域的深度图像，构建奶牛三维模型；
[0046]S5：模型分割：通过对奶牛的三维模型进行分割，并把三维图像数据转化为三维坐标点数据；
[0047]S6：建立三维坐本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习算法的奶牛体尺测量方法，其特征在于，包括以下步骤：S1：奶牛选取：通过多个奶牛中抽取体形不同的奶牛，并对各个奶牛进行编号进行记录；S2：建立TOF相机：通过建立测量点，并且在测量点的顶部、前后、左右均设置有相机，且相机的数量设置为2
‑
3个；S3：数据测量：通过S2中的相机，对测量点中的奶牛完整身体区域的深度图像进行采集；S4：奶牛三维模型：除去背景数据，通过覆盖奶牛完整身体区域的深度图像，构建奶牛三维模型；S5：模型分割：通过对奶牛的三维模型进行分割，并把三维图像数据转化为三维坐标点数据；S6：建立三维坐标：将奶牛长度的方向设为坐标的X轴，将垂直于X轴方向的Y轴设为奶牛数据的Y轴；将原始数据X轴和Y轴同时以Z坐标旋转θ角度，得到坐标轴F1和F2；S7：选取测量点：通过三维坐标轴选取两个体尺的测量点，且测量起点设置为l1(X1、Y1、Z1)，测量终终点l2(X2、Y2、Z2)；S8：通过体尺算法对对应的尺寸数据进场测量。2.根据权利要求1所述的基于深度学习算法的奶牛体尺测量方法，其特征在于，所述S6中的旋转变换公式如公式，得到的坐标轴F1作为后续数据处理的新的坐标系X、Y轴；F1＝Xcosθ
±
...

【专利技术属性】
技术研发人员：郭雷风，马亚宾，王连杰，张磊，杨晨东，黄鹏跃，张礼，彭杨威，胡天赐，蒋呈祥，马军红，李元红，
申请(专利权)人：乐康牧医河北科技有限公司，
类型：发明
国别省市：