本發(fā)明屬于生物成長監(jiān)測，尤其涉及一種視覺表型驅(qū)動(dòng)的妊娠母豬體重估計(jì)方法。

背景技術(shù)：

1、母豬妊娠期的體重變化是衡量其營養(yǎng)需求和生理健康的關(guān)鍵指標(biāo)，直接影響胎兒的發(fā)育質(zhì)量和生長性能，對優(yōu)化繁殖效率、提高仔豬出生質(zhì)量和成活率具有重要意義。

2、豬妊娠期體重的精準(zhǔn)估計(jì)對實(shí)現(xiàn)精準(zhǔn)營養(yǎng)調(diào)控和提高生產(chǎn)性能至關(guān)重要。目前基于深度學(xué)習(xí)的方法主要集中于育肥豬的體重估測，在妊娠母豬的體重精準(zhǔn)估計(jì)領(lǐng)域存在顯著局限。母豬的體重估計(jì)方法采用線性回歸得到。

3、針對妊娠母豬的體重估計(jì)，現(xiàn)有產(chǎn)業(yè)界通用的方法是上述的計(jì)算公式。上面的公式存在兩個(gè)主要的問題：1.形態(tài)學(xué)表型的測量，比如測量豬的背膘厚度、胸圍需要人手工操作，容易引起應(yīng)激反應(yīng)，造成一系列的問題，包括流產(chǎn)、死亡等等；2.線性計(jì)算公式太簡單，體重估計(jì)的結(jié)果誤差較大。線性模型的局限性在于其無法充分反映這些特征間的多層次動(dòng)態(tài)與體重動(dòng)態(tài)變化間的非線性關(guān)聯(lián)，最終只能得出“粗放型”的估測結(jié)果。

技術(shù)實(shí)現(xiàn)思路

1、針對現(xiàn)有技術(shù)中的上述不足，本發(fā)明提供的一種視覺表型驅(qū)動(dòng)的妊娠母豬體重估計(jì)方法解決了現(xiàn)有方法需要進(jìn)行接觸式的體型表型測量且精度不高的問題。

2、為了達(dá)到上述發(fā)明目的，本發(fā)明采用的技術(shù)方案為：一種視覺表型驅(qū)動(dòng)的妊娠母豬體重估計(jì)方法，包括：

3、獲取若干只妊娠母豬的歷史體重?cái)?shù)據(jù)及歷史視頻序列；

4、分別對各妊娠母豬的歷史視頻序列進(jìn)行預(yù)處理，得到妊娠母豬圖像序列訓(xùn)練集；

5、根據(jù)妊娠母豬圖像序列訓(xùn)練集和妊娠母豬的歷史體重?cái)?shù)據(jù)，構(gòu)建圖像序列和體重之間的關(guān)聯(lián)，得到基于妊娠母豬圖像序列估計(jì)妊娠母豬體重的體重估計(jì)模型；

6、實(shí)時(shí)獲取妊娠母豬視頻序列，利用體重估計(jì)模型，得到妊娠母豬體重估計(jì)值。

7、進(jìn)一步地，所述分別對各妊娠母豬的歷史視頻序列進(jìn)行預(yù)處理，得到妊娠母豬圖像序列訓(xùn)練集，具體為：

8、分別對各妊娠母豬的歷史視頻序列中每幀圖像進(jìn)行歸一化處理，得到各妊娠母豬的歸一化歷史視頻序列：

9、

10、其中，為歸一化歷史視頻序列中第幀圖像；為歷史視頻序列中第幀圖像；為圖像每個(gè)通道的均值序列；為圖像每個(gè)通道的方差序列；

11、根據(jù)各妊娠母豬的歸一化歷史視頻序列，利用豬只檢測模型，確定各妊娠母豬每幀圖像中的豬只活動(dòng)區(qū)域：

12、

13、其中，為圖像的豬只活動(dòng)區(qū)域，為方形區(qū)域；為圖像中豬只活動(dòng)區(qū)域的左上角橫坐標(biāo)；為圖像中豬只活動(dòng)區(qū)域的左上角縱坐標(biāo)；為圖像中豬只活動(dòng)區(qū)域的寬；為圖像中豬只活動(dòng)區(qū)域的長；為圖像總數(shù)；

14、根據(jù)各妊娠母豬每幀圖像中的豬只活動(dòng)區(qū)域，對圖像幀進(jìn)行過濾，得到妊娠母豬圖像序列訓(xùn)練集。

15、進(jìn)一步地，所述根據(jù)各妊娠母豬每幀圖像中的豬只活動(dòng)區(qū)域，對圖像幀進(jìn)行過濾，得到妊娠母豬圖像序列訓(xùn)練集，具體為：

16、根據(jù)各妊娠母豬每幀圖像中的豬只活動(dòng)區(qū)域，分別計(jì)算各妊娠母豬豬只活動(dòng)區(qū)域左上角、左下角、右上角和右下角的坐標(biāo)的方差；

17、分別判斷各妊娠母豬豬只活動(dòng)區(qū)域左上角、左下角、右上角和右下角的坐標(biāo)的方差是否均小于方差閾值，若是，以最大活動(dòng)區(qū)域作為對應(yīng)妊娠母豬的最終感興趣區(qū)域，并將對應(yīng)妊娠母豬的歸一化歷史視頻序列中每幀圖像的最終感興趣區(qū)域提取出來，得到對應(yīng)妊娠母豬的圖像時(shí)序訓(xùn)練樣本，否則，刪除對應(yīng)妊娠母豬的歸一化歷史視頻序列；

18、整合所有妊娠母豬的圖像時(shí)序訓(xùn)練樣本，得到妊娠母豬圖像序列訓(xùn)練集。

19、進(jìn)一步地，所述最終感興趣區(qū)域的表達(dá)式為：

20、

21、其中，為最終感興趣區(qū)域；為最大值函數(shù)。

22、進(jìn)一步地，所述妊娠母豬的圖像時(shí)序訓(xùn)練樣本的表達(dá)式為：

23、

24、其中，為妊娠母豬的圖像時(shí)序訓(xùn)練樣本；為對妊娠母豬的歸一化歷史視頻序列進(jìn)行截取的操作；為最終感興趣區(qū)域；為圖像對應(yīng)的只包括最終感興趣區(qū)域的圖像。

25、進(jìn)一步地，所述體重估計(jì)模型包括編碼器、圖映射層、雙向圖卷積、圖重映射層、拼接層、輔助信號編碼器、融合層和全連接層；

26、所述編碼器，用于獲取妊娠母豬圖像序列訓(xùn)練集中的訓(xùn)練樣本，并對訓(xùn)練樣本中的圖像進(jìn)行壓縮，得到圖像的像素空間特征；

27、所述圖映射層，用于將像素空間特征映射至圖空間，得到聚合特征；

28、所述雙向圖卷積，用于根據(jù)聚合特征，獲取時(shí)間中的圖卷積特征；

29、所述圖重映射層，用于將時(shí)間中的圖卷積特征從圖空間映射回像素空間，得到重映射特征；

30、所述拼接層，用于將訓(xùn)練樣本中所有圖像的重映射特征拼接，得到編碼特征；

31、所述輔助信號編碼器，用于將歷史體重?cái)?shù)據(jù)中的妊娠天數(shù)和妊娠次數(shù)作為輔助信號進(jìn)行編碼，得到輔助信號特征；

32、所述融合層，用于將輔助信號特征和編碼特征進(jìn)行融合，得到最終特征；

33、所述全連接層，用于將最終特征映射為體重。

34、進(jìn)一步地，所述聚合特征的表達(dá)式為：

35、

36、

37、其中，為聚合特征；為圖映射公式；為像素空間特征；為像素空間特征映射到圖空間后，第個(gè)頂點(diǎn)的特征；為頂點(diǎn)總數(shù)；為編碼器；為圖像對應(yīng)的只包括最終感興趣區(qū)域的圖像；為歷史視頻序列中第幀圖像。

38、進(jìn)一步地，所述編碼特征的表達(dá)式為：

39、

40、

41、

42、

43、

44、其中，為編碼特征；為拼接操作；為重映射特征；為圖像總數(shù)；為像素空間特征；為圖重映射函數(shù)；為系數(shù)矩陣；為圖像的時(shí)間聚合圖卷積特征；為時(shí)間圖卷積函數(shù)；為圖像的空間圖卷積特征；為圖像的空間圖卷積特征；為卷積核函數(shù)；為的鄰接矩陣；為圖特征的節(jié)點(diǎn)特征；為的鄰接矩陣；為圖特征的圖節(jié)點(diǎn)特征；為可學(xué)習(xí)參數(shù)；為空間圖卷積函數(shù)；為聚合特征。

45、進(jìn)一步地，所述將最終特征映射為體重的表達(dá)式為：

46、

47、其中，為體重；為全連接層；為最終特征。

48、進(jìn)一步地，所述圖映射層的損失函數(shù)為：

49、

50、

51、

52、其中，為圖映射層的損失函數(shù)；為像素空間特征的空間分辨率；為頂點(diǎn)索引；為頂點(diǎn)總數(shù)；為與和相關(guān)的加權(quán)分布系數(shù)；為第個(gè)像素的像素空間特征；為聚合特征；為第個(gè)像素的像素空間特征映射到圖空間中第個(gè)頂點(diǎn)的特征；為縮放系數(shù)；為中間參量；為頂點(diǎn)特征；為使為最小時(shí)的的取值；為圖空間頂點(diǎn)特征集。

53、本發(fā)明的有益效果為：本發(fā)明構(gòu)建的體重估計(jì)模型，以妊娠母豬的生長監(jiān)控視頻作為輸入，實(shí)現(xiàn)妊娠母豬體重的非接觸式、精準(zhǔn)估計(jì)。體重估計(jì)模型為融合了妊娠期母豬多維生物表型特征的多模態(tài)深度學(xué)習(xí)模型，探明其生物表型與體重變化的非線性關(guān)聯(lián)規(guī)律，實(shí)現(xiàn)了母豬妊娠期體重精準(zhǔn)估算。基于本發(fā)明，能為精準(zhǔn)營養(yǎng)管理提供科學(xué)依據(jù)，最終優(yōu)化母豬繁殖效率與仔豬生長性能，推動(dòng)畜牧業(yè)向智能化、精細(xì)化方向發(fā)展。