买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种基于目标检测网络模型YOLOv8的非接触式牛体重测量方法，首先通过采集牛个体信息视频并转化为图像帧，标记出图像中牛的正常姿态和异常姿态特征，基于YOLOv8建立牛的姿态识别模型；将图像中牛的身份信息一一对应，基于YOLOv8建立牛的个体识别模型；使用背景相减、边缘提取等算法提取出牛的体尺参数，将多个体尺参数进行组合，建立牛体重和体尺参数的回归模型，使用该模型对牛的体重进行预测；本发明能够及时有效地测量牛的个体体重，牛体重和体尺参数的回归模型性能指标极好，预测体重与实际体重均方误差极低，使得管理人员能够及时精确的了解牛的体重信息并做出相应的处理，提高牛的养殖效益，具有极好的推广应用前景。

主权项：1.一种基于目标检测网络模型YOLOv8的非接触式牛体重测量方法，其特征在于，所述测量方法包括如下步骤：步骤S1：牛姿态识别模型建立步骤S11：使用影像采集设备进行视频数据采集，不间断分别采集牛上方背部视频数据及牛左右侧面视频数据；步骤S12：对采集到的牛上方背部视频数据及牛左右侧面视频数据进行初步筛选，按帧提取出牛姿态图像；步骤S13：人工识别步骤S12中提取的牛姿态图像，标记牛姿态类别，所有图像标注完成后转换为YOLO格式的存储标签；步骤S14：将标注好牛姿态类别的图像按比例随机分为训练集和测试集；步骤S15：将步骤S14所得的训练集输入到YOLOv8网络模型中进行牛姿态识别模型的训练，得到训练好的牛姿态识别模型；步骤S16：将步骤S14所得的测试集输入到训练好的牛姿态识别模型中，对该模型进行验证，并输出验证结果，得到最终的牛姿态识别模型；步骤S2：牛个体身份识别模型建立步骤S21：使用影像采集设备进行视频数据采集，不间断分别采集牛个体身份视频数据；步骤S22：对采集到的牛个体身份视频数据进行初步筛选，按帧提取出牛个体身份图像；步骤S23：人工识别步骤S22中提取的牛个体身份图像，标记牛个体身份信息，所有图像标注完成后转换为YOLO格式的存储标签；步骤S24：将标注好牛个体身份的图像按比例随机分为训练集和测试集；步骤S25：将步骤S24所得的训练集输入到YOLOv8网络模型中进行牛个体身份识别模型的训练，得到训练好的牛个体身份识别模型；步骤S26：将步骤S24所得的测试集输入到训练好的牛个体身份识别模型中，对该模型进行验证，并输出验证结果，得到最终的牛个体身份识别模型；步骤S3：牛体尺参数特征提取使用影像采集设备对需要进行体重测试的牛进行视频数据采集，不间断分别采集牛上方背部视频数据、牛左右侧面视频数据及牛个体身份视频数据；按帧提取出牛姿态图像及牛个体身份图像；首先将牛姿态图像输入到建立好的牛姿态识别模型中，对牛姿态进行识别，当牛姿态图像中的牛识别为正常姿态时，将其姿态图像或者牛个体身份图像再输送到牛个体身份识别模型，对牛进行个体身份识别；牛个体身份识别结束后，将该特定牛个体的牛上方背部、牛左右侧面图像数据输入到牛体尺参数特征提取模块，包括以下步骤：步骤S31：定义颈部关键点及尾部关键点定义牛头在左、尾在右为正方向，得到顶部视角牛上方背部图像轮廓，在牛上方背部轮廓的左半部分，若是牛的背部轮廓曲线在某上下两处的曲率变化大于附近其他位置的曲率变化，且该两处的体宽也小于附近其他位置的体宽，则该两点定义为颈部上关键点a1和颈部下关键点A1；在牛上方背部轮廓的右半部分，若是牛的轮廓曲线在某上下两处的曲率变化大于附近其他位置的曲率变化，且该两处的体宽小于左侧体宽、大于右侧体宽，则该两点定义为尾部上关键点an+1和尾部下关键点An+1；步骤S32：牛体尺参数特征提取将颈部上关键点a1和颈部下关键点A1调整连成竖直线L1，将尾部上关键点an+1和尾部下关键点An+1调整连成竖直线Ln+1；牛上方背部轮廓内，在竖直线L1和竖直线Ln+1之间设置n-1个平行于竖直线L1和竖直线Ln+1的竖直线L2，L3，L4…Ln，将竖直线L1和竖直线Ln+1之间距离等分为n份，其中，竖直线L2与牛背部轮廓上半部分交点为a2，竖直线L2与牛背部轮廓下半部分交点为A2，竖直线L3与牛背部轮廓上半部分交点为a3，竖直线L3与牛背部轮廓下半部分交点为A3，竖直线L4与牛背部轮廓上半部分交点为a4，竖直线L4与牛背部轮廓下半部分交点为A4，依此类推，竖直线Ln与牛背部轮廓上半部分交点为an，竖直线Ln与牛背部轮廓下半部分交点为An；在牛左右侧面图像数据中，定义牛头在左、尾在右为正方向，识别出牛背部最高点和牛蹄最低点，取差值得到牛的体高，记录为Ln+4；计算a1，a2，A1，A2所形成的梯形面积，记录为S1；计算a2，a3，A2，A3所形成的梯形面积，记录为S2；计算a3，a4，A3，A4所形成的梯形面积，记录为S3；依次类推，计算an-1，an，An-1，An所形成的梯形面积，记录为Sn-1；计算an，an+1，An，An+1所形成的梯形面积，记录为Sn；计算牛背部轮廓体宽最大处的上下水平切线与竖直线L1及竖直线Ln+1的延长线相交所围成的矩形面积，记录为Sn+1；步骤S33：牛体尺参数综合组合指标确定及综合组合指标与牛体重预测的回归模型建立按照如下公式确定牛体尺参数综合组合指标Sg：Sg＝S1+S2+S3+S4+…+Sn+Sn+1*Ln+4；其中，n≥4；根据单张图片的牛体尺参数综合组合指标Sg；计算多张图片的牛体尺参数综合组合指标Sg的平均值；将牛的实际体重与Sg的平均值之间关系进行回归分析，建立牛预测体重与牛体尺参数综合组合指标Sg的平均值之间拟合的回归模型；利用k个牛个体数量的牛实际体重与牛预测体重计算体重均方根误差，以评估回归模型性能，k≥16；如体重均方根误差小于20kg，则输出预测回归模型，用于牛体重预测；所述步骤S32中使用机器视觉算法全过程自动化地完成体尺参数的计算提取；所述步骤S33中拟合的回归模型为：牛预测体重Tkg＝11.15Sg-36.96；所述步骤S31中得到顶部视角牛上方背部图像轮廓的具体方法为：读取正常姿态牛图像上的时间戳，在该时间前后5s～20s范围内，通过YOLOv8算法检测是否存在不包含干扰物的背景，若存在则将该背景作为背景图像1，若没有则扩大搜索时间范围，直至找到背景图像1；同时，使用图像处理技术提取地面背景颜色，自动创建一个包含较少信息的背景图像2；将正常姿态牛图像分别与背景图像1和背景图像2做背景相减，再将2个背景相减后的图像进行图像融合得到最终的二值图像；使用Canny边缘提取算法，对所得的二值图像进行边缘提取，得到牛的边缘轮廓图像。

全文数据：

权利要求：

百度查询： 四川农业大学 中国电信股份有限公司四川分公司 一种基于目标检测网络模型YOLOv8的非接触式牛体重测量方法