【技术实现步骤摘要】
本披露一般涉及图像处理。更具体地，本披露涉及一种用于对鼻甲蝴蝶骨评测模型进行训练的方法、设备和计算机可读存储介质。进一步地，本披露还涉及一种用于对鼻甲蝴蝶骨进行评测的方法、设备和计算机可读存储介质。
技术介绍
1、在猪只剖检过程中，判断猪只鼻甲蝴蝶骨的萎缩、损失情况是一个非常重要的环节。猪只鼻甲蝴蝶骨的萎缩、损失情况不仅能够反映猪只的健康状况，而且还能够用于确认猪只在成长过程中是否存在某些疾病。由此可见，猪只鼻甲蝴蝶骨的萎缩、损失情况能够用于验证猪只养殖过程中的免疫和治疗方案是否有效，以保证猪只以最快的增长速度健康成长。
2、目前，绝大多数猪只剖检环节仍然采用人工方式评测猪只鼻甲蝴蝶骨的萎缩、损失情况。然而人工方式存在评测水平不稳定、评测标准差异化等问题，评测准确度受主观因素影响较大。进一步地，猪只鼻甲蝴蝶骨的萎缩、损失情况的评测准确度较低，会直接影响猪群健康整体性评测的准确性。
3、有鉴于此，亟需提供一种用于对鼻甲蝴蝶骨评测模型进行训练的方案，以便提供一种客观的猪只鼻甲蝴蝶骨的萎缩、损失情况评测方式，降低主观因素对评测准确度的影响，从而提高评测准确度。
技术实现思路
1、为了至少解决如上所提到的一个或多个技术问题，本披露在如下多个方面中提出了用于对鼻甲蝴蝶骨评测模型进行训练的方案。
2、在第一方面中，本披露提供一种用于对鼻甲蝴蝶骨评测模型进行训练的方法，包括：获取包含鼻甲蝴蝶骨的第一图像；对所述第一图像中的鼻甲蝴蝶骨区域进行标注，以形成区域标注
3、在一些实施例中，所述对第一图像中的鼻甲蝴蝶骨区域进行标注包括：根据所述鼻甲蝴蝶骨的萎缩度和/或损失度，对所述第一图像中的鼻甲蝴蝶骨区域进行标注。
4、在一些实施例中，所述对第一图像中的鼻甲蝴蝶骨区域进行标注，以形成区域标注信息包括：分别对所述鼻甲蝴蝶骨区域的至少两个子区域进行标注，以形成至少两个子区域标注信息作为所述区域标注信息。
5、在一些实施例中，所述对第一图像中的鼻甲蝴蝶骨区域进行标注包括：确定所述第一图像是否为正常图像；以及响应于确定所述第一图像为正常图像，对第一图像中的鼻甲蝴蝶骨区域进行标注。
6、在一些实施例中，所述确定所述第一图像是否为正常图像包括：将所述第一图像输入至分类模型中，对所述第一图像进行图像分类，获得分类结果；其中所述分类模型是利用卷积神经网络进行训练获得的模型；以及根据所述分类结果确定所述第一图像是否为正常图像；所述正常图像为不存在异常情况的图像，所述异常情况包括水雾和/或脏污。
7、在第二方面中，本披露提供一种用于对鼻甲蝴蝶骨评测模型进行训练的设备，包括：处理器；以及存储器，其存储有用于对鼻甲蝴蝶骨评测模型进行训练的程序指令，当所述程序指令由处理器执行时，使得实现前述第一方面中所述方法及其多个实施例。
8、在第三方面中，本披露提供一种用于对鼻甲蝴蝶骨进行评测的方法，包括：获取包含鼻甲蝴蝶骨的待评测图像；以及将所述待评测图像输入至前述第一方面所述的方法及其多个实施例训练完成的鼻甲蝴蝶骨评测模型中进行评测操作，以输出评测结果。
9、在一些实施例中，评测结果包括评测框和评测值，其中所述输出评测结果包括：根据所述评测框的坐标信息，将所述评测框和所述评测值显示在所述待评测图像上，并输出所述待评测图像。
10、在第四方面中，本披露提供一种用于对鼻甲蝴蝶骨进行评测的设备，包括：处理器；以及存储器，其存储有用于对鼻甲蝴蝶骨进行评测的程序指令，当所述程序指令由处理器执行时，使得实现前述第三方面中所述方法及其多个实施例。
11、在第五方面中，本披露提供一种计算机可读存储介质，其上存储有用于对鼻甲蝴蝶骨评测模型进行训练的和/或用于对鼻甲蝴蝶骨进行评测的程序指令，该程序指令被处理器执行时，实现前述第一方面中所述方法及其多个实施例和/或前述第三方面中所述方法及其多个实施例。
12、通过如上所提供的用于对鼻甲蝴蝶骨评测模型进行训练的方案，可以获得训练完成的鼻甲蝴蝶骨评测模型。本披露的鼻甲蝴蝶骨评测模型以包含鼻甲蝴蝶骨的待评测图像为输入，能够输出待评测图像对应的评测结果。该评测结果标识了待评测图像中的鼻甲蝴蝶骨的萎缩、损失情况。本披露的鼻甲蝴蝶骨评测模型提供了一种客观的猪只鼻甲蝴蝶骨的萎缩、损失情况的评测方式，能够降低主观因素对评测准确度的影响。进一步，在一些实施例中，将本披露的鼻甲蝴蝶骨评测模型搭载到用于对鼻甲蝴蝶骨进行评测的设备，能够避免人工评测中评测水平不稳定、评测标准差异化等因素对评测结果准确度的影响。本披露的用于对鼻甲蝴蝶骨进行评测的设备通过鼻甲蝴蝶骨评测模型这一智能化的评测方式，能够达到标准化、统一化的鼻甲蝴蝶骨评测，有助于提高鼻甲蝴蝶骨的萎缩、损失情况的评测准确度。
13、更进一步地，在一些实施例中，对第一图像中的鼻甲蝴蝶骨区域进行标注时，可以分别对鼻甲蝴蝶骨区域的多个子区域进行标注，以形成多个子区域标注信息作为区域标注信息。此后，将第一图像和区域标注信息作为训练数据输入至鼻甲蝴蝶骨评测模型中，以对其进行监督训练，使得鼻甲蝴蝶骨评测模型能够从训练数据中习得对多个子区域的萎缩、损失情况进行评测的能力。由此，本披露的鼻甲蝴蝶骨评测模型能够针对鼻甲蝴蝶骨区域的多个子区域分别输出多个评测结果，有助于提高评测结果的精细化水平。
本文档来自技高网...【技术保护点】
1.一种用于对鼻甲蝴蝶骨评测模型进行训练的方法，包括：
2.根据权利要求1所述的方法，其中所述对第一图像中的鼻甲蝴蝶骨区域进行标注包括：
3.根据权利要求1或2所述的方法，其中所述对第一图像中的鼻甲蝴蝶骨区域进行标注，以形成区域标注信息包括：
4.根据权利要求1所述的方法，其中所述对第一图像中的鼻甲蝴蝶骨区域进行标注包括：
5.根据权利要求4所述的方法，其中所述确定所述第一图像是否为正常图像包括：
6.一种用于对鼻甲蝴蝶骨评测模型进行训练的设备，包括：
7.一种用于对鼻甲蝴蝶骨进行评测的方法，包括：
8.根据权利要求7所述的方法，其中所述评测结果包括评测框和评测值，其中所述输出评测结果包括：
9.一种用于对鼻甲蝴蝶骨进行评测的设备，包括：
10.一种计算机可读存储介质，其上存储有用于对鼻甲蝴蝶骨评测模型进行训练的和/或用于对鼻甲蝴蝶骨进行评测的程序指令，该程序指令被处理器执行时，实现根据权利要求1-5任意一项所述的方法和/或根据权利要求7-8任意一项所述的方法。
【技术特征摘要】
1.一种用于对鼻甲蝴蝶骨评测模型进行训练的方法，包括：
2.根据权利要求1所述的方法，其中所述对第一图像中的鼻甲蝴蝶骨区域进行标注包括：
3.根据权利要求1或2所述的方法，其中所述对第一图像中的鼻甲蝴蝶骨区域进行标注，以形成区域标注信息包括：
4.根据权利要求1所述的方法，其中所述对第一图像中的鼻甲蝴蝶骨区域进行标注包括：
5.根据权利要求4所述的方法，其中所述确定所述第一图像是否为正常图像包括：
6.一种用于对鼻甲蝴蝶骨评测模...
【专利技术属性】
技术研发人员：张玉良，方文昊，黄丹橙，
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：
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。