(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210512495.0 (22)申请日 2022.05.12 (65)同一申请的已公布的文献号 申请公布号 CN 114627337 A (43)申请公布日 2022.06.14 (73)专利权人 江苏智维自动化设备有限公司 地址 213100 江苏省常州市金坛区龙湖路2 号 (72)发明人 黄丹毓　黄炜　刘翔　 (74)专利代理 机构 常州市英 诺创信专利代理事 务所(普通 合伙) 32258 专利代理师 张秋月 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/74(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 107563384 A,2018.01.09 CN 106778784 A,2017.0 5.31 CN 111160134 A,2020.0 5.15 CN 108898601 A,2018.1 1.27 CN 105913425 A,2016.08.31 杨心.基于广义Hough聚类的粘连猪 头尾识 别. 《江苏农业科 学》 .2018,第46卷(第9期),第 230-235页. 审查员 朱雪梅 (54)发明名称 一种基于RCNN算法的猪只尺体测量方法 (57)摘要 本发明涉及图像处理技术领域， 尤其涉及一 种基于RCNN算法的猪只尺体测量方法， 包括： 获 取猪只图像； 通过RCNN模型提取图像中猪只轮 廓； 建立hough森林， 根据patch内两个像素点的 色调值的大小对patch进行归一化赋值， 并通过 决策树模型判断patch分类； 通过设定的阈值判 断重点部位是否缺失； 根据新的轮廓图像与模板 图像的Hu矩匹配； 建立猪只的选点MASK矩阵和轮 廓图像卷积， 提取像素点坐标； 建立猪只的选点 MASK矩阵和轮廓图像卷积， 计算猪只长度。 本发 明解决当猪只的部分图像被阻挡以及猪只死亡 形态各异时， 猪只尺寸难以测量问题， 通过RCNN 神经网络结合Hough森林投票机制， 提供猪只识 别率。 权利要求书1页 说明书4页 附图2页 CN 114627337 B 2022.08.02 CN 114627337 B 1.一种基于RCN N算法的猪只尺体测量方法， 其特 征在于， 包括以下步骤： S1、 获取猪只图像； S2、 通过RCN N模型提取图像中猪只轮廓， 从猪只轮廓中提取重点部位； S3、 在重点部位的轮廓图像中， 根据patch  建立数据集， 进而建立hough森林； 根据 patch内两个像素点的色调值的大小对patch进行归一化赋值， 并通过决策树模型判断 patch的分类； 通过决策树模型对各重点部位进行 再次投票， 得 出某个重点部位的概 率值； 通过Hough森林模型 比较 patch中两个 固定坐标像素的色调值， 当F(p1,q1)<F(p2,q2)则patch归一化赋值为0， 否则 为1； 其中， (p1,q1)和(p2,q2)为patch中两个像素点坐标， F(p1,q1)和F(p2,q2)为patch中 两个像素点的色调值， 为Hough森林对第 i个patch归一化赋值； S4、 通过设定的阈值判断重点部位是否缺失； 如果缺失， 对重点部位进行补齐， 形成补 齐后的图像， 并对补齐后的图像进行Hu矩测量； S5、 根据新的轮廓图像计算对应Hu矩， 并与模板图像的Hu矩匹配， 如果匹配程度高于设 定的阈值， 则图像复合完成； 否则匹配异常； S6、 建立猪只的选点MASK矩阵和轮廓图像卷积， 提取重点部位匹配度最高的像素点坐 标， 根据猪只尾巴和耳朵的最高的像素点 坐标计算猪只长度。 2.根据权利要求1所述的基于RCNN算法的猪只尺体测量方法， 其特征在于， 所述重点部 位包括： 猪只嘴巴、 耳朵、 前后脚和尾巴。 3.根据权利要求1所述的基于RCNN算法的猪只尺体测量方法， 其特征在于， 当所述步骤 S4中某个重点部位 缺失时， 处 理包括： S41、 根据预定模板图像， 在极坐标系下获取各个重点部位的相对位置， 计算模板图像 的Hu矩； S42、 在缺失的轮廓中复合 缺失部位轮廓图像， 得到新的轮廓。 4.根据权利 要求3所述的基于RCNN算法的猪只尺体测量方法， 其特征在于： 所述Hu矩匹 配是计算复合后的图像的Hu矩与模板图像的Hu矩的相似度， 通过match  Shapes函数接收模 板图像轮廓与缺失图像 轮廓， 并使用Hu  Moments通过匹配一阶/二阶Hu矩， 计算轮廓差异。 5.根据权利 要求1所述的基于RCNN算法的猪只尺体测量方法， 其特征在于， 所述步骤S6 还包括： 根据重点部位的像素点 坐标定位出猪只的体型 大小和摆放 位置。权　利　要　求　书 1/1 页 2 CN 114627337 B 2一种基于RCN N算法的猪只尺体测量方 法 技术领域 [0001]本发明涉及图像处理技术领域， 尤其涉及一种基于RCNN算法的猪只尺体测量方 法。 背景技术 [0002]传统的对死猪 的体尺测量多是采用接触式测量， 例如使用皮尺进行手工测量； 这 种方法直接接触猪体， 测量的量大时， 效率较低； 另外， 如果死猪是病亡， 接触式测量会导致 病毒传感的风险， 因此， 非接触式自动测量在猪只养殖中的研究变得越来越重要。 另外， 现 有技术中利用神经网络算法对活猪体尺进 行测量， 如肖德琴等人的一种基于深度学习的猪 只体尺体重估测方法， 图像采集中需要剔除画面中猪只不完整的图像， 保留画面中猪只完 整的图像； 但猪死亡后的测体尺的过程中， 遇到很大 的问题就是猪只的部分图像会被阻挡 以及猪只死 亡形态各异， 这都对后续猪只图像的选点造成困扰。 [0003]CN113920453A ‑一种基于深度学习的猪只体尺体重估测方法， 该发明 以活猪为分 析对象， 通过关键点检测算法对图像中的猪只进 行关键点检测， 获取关键点检测结果， 并根 据关键点检测结果， 剔除画 面中猪只不完整的图像， 保留画 面中猪只完整的图像； 该方法是 基于完整的猪只图像为依据， 当图像缺失时进行数据剔除， 此方法需要采集大量的数据样 本， 资源消耗大。 发明内容 [0004]本发明所要解决的技术问题是： 当猪只的部分图像会被阻挡以及猪只死亡形态各 异时， 通过RCNN训练数据集建立猪只分类模型， 建立重点部位的像素点的色调值， 通过 Hough森林投票机制 进行分类投票， 通过轮廓图像卷积， 提取匹配度最高的区域， 提高猪只 识别率。 [0005]本发明所采用的技术方案是： 一种基于RCNN算法的猪只尺体测量方法， 包括以下 步骤： [0006]S1、 获取猪只图像； [0007]S2、 通过RCNN模型训练数据集， 建立猪只分类模型， 通过加载RCNN模型对图像中的 猪只进行归类， 并提取猪只轮廓， 从猪只轮廓中提取重点部位， 重点部位包括： 猪只嘴巴、 耳 朵、 前后脚和尾巴； [0008]根据猪只大小 进行归类； [0009]S3、 在重点部位的轮廓图像中， 根据patch建立数据集S(s1,s2,...sn)， 进而建立重 点部位的轮廓图像的hough森林； 根据patch内两个像素点的色调值的大小对patch进行归 一化赋值， 并通过决策树模型判断patc h分类； [0010]Hough森林模型如下：说　明　书 1/4 页 3 CN 114627337 B 3