APP下载

基于Mask R-CNN的牛体尺测量系统

2021-05-06赵建敏文博李琦

畜牧与兽医 2021年5期
关键词:测量区域模型

赵建敏,文博,李琦

(内蒙古科技大学信息工程学院,内蒙古 包头 014010)

牛的体尺参数能够反应牛的生长发育状况、生产性能及遗传特性,可以作为衡量牛生长发育情况的一个主要指标。在选种、肉质评价以及饲养管理等方面,牛体体尺也是一个重要指标[1]。传统的牛体尺测量主要是通过手杖、皮尺进行直接测量,这种测量方法工作量大,而且直接接触牛体,会使牛产生应激反应,极大地影响测量精度和测量效率。

近年来基于计算机视觉的家畜体尺测量改变了接触式的测量方法。主要有利用背景减法、去噪声算法、背景差分法以及自动阈值分割针对家畜进行体尺测量[2-4]。然而,当家畜与背景环境的颜色相近时,利用此类方法测量很难单纯地分割出目标家畜,干扰较强。随后国内相关研究提出利用Kinect相机采集家畜图像。利用Kinect深度传感器获取荷斯坦奶牛的三维点云数据以及使用投影法和差分法识别家畜头部和尾部位置,并利用最小外接矩形法调整牲畜的水平方向[5-7]。此外在猪体尺机器视觉技术研究中,国外相关研究利用VIA系统对猪生长过程进行监测,获取猪体背部体长、体宽、面积参数和形状信息[8-10]。Banhazi等[11]基于单摄像机构建了猪的体宽、体长及面积检测系统,此研究为动物的测量提供了一种新型的工具,通过摄像头获取视频及图像数据,利用一系列的图像处理手段实现目标物尺寸和面积的研究。胡志伟等[12]采用一种基于VGG16与UNET相结合的全卷积神经网络模型,实现对图像语义级别的分割,提取出生猪的轮廓。……

登录APP查看全文

猜你喜欢

测量区域模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
关于四色猜想
分区域
测量
基于严重区域的多PCC点暂降频次估计
区域