【技术实现步骤摘要】
本申请涉及图像处理，具体涉及金融科技领域，尤其涉及一种养殖动物识别方法、装置、计算机设备及存储介质。
技术介绍
1、在养殖保险业务领域，养殖动物(例如猪、牛、羊、鸡、鸭等)数量的识别即目标对象投保或定损确定是产险业务场景中常见的任务之一，通常用于检查活体、死亡情况、死亡时间、预估重量等，猪体识别的目标是自动地识别养殖动物的个体身份和行为，为了实现这一目标，现有技术通过图像特征匹配的方法来将包含养殖动物图像中提取的特征和养殖动物特征进行匹配，以识别出养殖动物图像中的养殖动物目标。
2、但在实际猪场环境中，养殖动物识别面临的一个关键技术难题是如何在养殖动物自由活动的情况下，准确捕捉到个体的多光谱图像特征。由于养殖动物的活动范围广、移动速度快，且经常发生相互遮挡和身体姿态的变化，导致成像画面中养殖动物的位置、角度和距离不断变化。这些因素严重影响了图像质量，增加了特征提取和匹配的难度。同时，养殖动物表面容易沾染污渍，加之不同部位的皮肤特性差异较大，使得多光谱反射信号的一致性和稳定性下降。此外，复杂多变的猪场环境光照条件，如阴晴变化、人工照明干扰等，也对多光谱成像的效果产生影响，给养殖动物的有效识别带来困难。
技术实现思路
1、本申请实施例的目的在于提出一种养殖动物识别方法、装置、计算机设备及存储介质，以解决无法准确、有效地进行图像中的养殖动物识别的问题。
2、为了解决上述技术问题，本申请实施例提供一种养殖动物识别方法，采用了如下所述的技术方案：
3、获取
4、对所述多光谱养殖动物图像进行预处理，得到校正养殖动物图像；
5、对所述校正养殖动物图像进行特征向量提取，得到纹理特征向量和频域特征向量；
6、对所述纹理特征向量和所述频域特征向量进行融合分析处理，得到多光谱特征表示；
7、根据多光谱特征表示对预设特征识别模型进行训练，得到养殖动物识别模型；
8、获取实时养殖动物图像，将所述实时养殖动物图像输入至所述养殖动物识别模型，得到养殖动物识别结果。
9、进一步的，所述获取多光谱养殖动物图像的步骤，具体包括：
10、获取养殖动物图像提取标识；
11、根据所述养殖动物图像提取标识从数据库中提取原始养殖动物图像；
12、获取预设波段范围信息，根据所述预设波段范围信息对所述原始养殖动物图像进行筛选，得到可见光波段养殖动物图像、近红外波段养殖动物图像、中红外波段养殖动物图像，并将所述可见光波段养殖动物图像、近红外波段养殖动物图像、中红外波段养殖动物图像整合为所述多光谱养殖动物图像。
13、进一步的，所述对所述多光谱养殖动物图像进行预处理，得到校正养殖动物图像的步骤，具体包括：
14、对所述多光谱养殖动物图像进行去噪处理，得到去噪养殖动物图像；
15、对所述多光谱去噪养殖动物图像进行畸变校正，得到初始校正养殖动物图像；
16、对所述初始校正养殖动物图像进行质量评估，并判断质量评估结果是否满足预设质量要求；
17、若所述初始校正养殖动物图像满足所述预设质量要求，则所述初始校正养殖动物图像作为所述校正养殖动物图像。
18、进一步的，所述对所述校正养殖动物图像进行特征向量提取，得到纹理特征向量和频域特征向量的步骤，具体包括：
19、对所述校正养殖动物图像进行辐射校正处理，得到标准养殖动物图像；
20、从所述标准养殖动物图像中提取标准可见光养殖动物图像，将所述标准可见光养殖动物图像输入至预训练的纹理特征提取模型，得到图像纹理特征，并将所述图像纹理特征映射为所述纹理特征向量；
21、从所述标准养殖动物图像中提取标准近红外养殖动物图像和标准中红外养殖动物图像，根据小波变换方法对所述标准近红外养殖动物图像和所述标准中红外养殖动物图像进行频域特征提取，得到图像频域特征；
22、基于小波系数的统计值计算将所述图像频域特征转化为所述频域特征向量。
23、进一步的，所述对所述纹理特征向量和所述频域特征向量进行融合分析处理，得到多光谱特征表示的步骤，具体包括：
24、对所述纹理特征向量和所述频域特征向量进行特征向量融合，得到融合特征向量；
25、对所述融合特征向量进行主成分分析，得到差异特征向量；
26、根据多核学习算法对所述差异特征向量进行学习优化，得到多光谱特征表示。
27、进一步的，所述根据多光谱特征表示对预设特征识别模型进行训练，得到养殖动物识别模型的步骤，具体包括：
28、获取养殖动物身份信息；
29、将所述养殖动物身份信息和所述多光谱特征表示进行关联，构建特征身份映射数据集；
30、对所述特征身份映射数据集进行数据增强，得到增强特征身份映射数据集；
31、根据所述增强特征身份映射数据集对所述预设特征识别模型进行训练和优化，得到所述养殖动物识别模型。
32、进一步的，在所述获取实时养殖动物图像，将所述实时养殖动物图像输入至所述养殖动物识别模型，得到养殖动物识别结果的步骤之后，还包括以下步骤：
33、从所述养殖动物识别结果中提取养殖动物识别失败信息；
34、根据养殖动物识别失败信息确定养殖动物目标，并对所述养殖动物目标进行特征向量提取，得到目标特征向量；
35、将所述目标特征向量添加至养殖动物特征库，并根据所述养殖动物特征库对所述养殖动物识别模型进行更新。
36、为了解决上述技术问题，本申请实施例还提供一种养殖动物识别装置，采用了如下所述的技术方案：
37、图像获取模块，用于获取多光谱养殖动物图像；
38、图像处理模块，用于对所述多光谱养殖动物图像进行预处理，得到校正养殖动物图像；
39、特征提取模块，用于对所述校正养殖动物图像进行特征向量提取，得到纹理特征向量和频域特征向量；
40、特征处理模块，用于对所述纹理特征向量和所述频域特征向量进行融合分析处理，得到多光谱特征表示；
41、模型训练模块，用于根据多光谱特征表示对预设特征识别模型进行训练，得到养殖动物识别模型；
42、结果识别模块，用于获取实时养殖动物图像，将所述实时养殖动物图像输入至所述养殖动物识别模型，得到养殖动物识别结果。
43、为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
44、一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如以上任一项所述的养殖动物识别方法的步骤。
45、为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
46、一种计算机可读存储介质，所述计算机可读存储介质上存储有计算本文档来自技高网...
【技术保护点】
1.一种养殖动物识别方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的养殖动物识别方法，其特征在于，所述获取多光谱养殖动物图像的步骤，具体包括：
3.根据权利要求1所述的养殖动物识别方法，其特征在于，所述对所述多光谱养殖动物图像进行预处理，得到校正养殖动物图像的步骤，具体包括：
4.根据权利要求1所述的养殖动物识别方法，其特征在于，所述对所述校正养殖动物图像进行特征向量提取，得到纹理特征向量和频域特征向量的步骤，具体包括：
5.根据权利要求1所述的养殖动物识别方法，其特征在于，所述对所述纹理特征向量和所述频域特征向量进行融合分析处理，得到多光谱特征表示的步骤，具体包括：
6.根据权利要求1所述的养殖动物识别方法，其特征在于，所述根据多光谱特征表示对预设特征识别模型进行训练，得到养殖动物识别模型的步骤，具体包括：
7.根据权利要求1所述的养殖动物识别方法，其特征在于，在所述获取实时养殖动物图像，将所述实时养殖动物图像输入至所述养殖动物识别模型，得到养殖动物识别结果的步骤之后，还包括以下步骤：
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。