摘要：为解决传统人工接触式测量工作量大、测量条件相对艰苦及影响牛正常生活习性的繁琐问题,提出了基于目标检测的双目深度估计牛的体尺测量方法。首先,通过双目相机采集图片,利用YOLOv5(you only look once v5)目标检测算法检测图像中的体尺特征部位,结合边缘检测等算法获取牛体尺测点。其次,利用双目立体匹配算法将双目2维图片转化为空间3维深度信息图,在深度信息图上读取测点3维坐标。最后,在3维坐标系下运用空间欧氏距离进而计算牛的体尺参数。搭建了测试平台进行测量,实验结果表明,该方法的测量精度高于现有相关方法,其中体长的平均相对误差为2.4%、体高的平均相对误差为1.1%、体斜长的平均相对误差为3.3%,为牛体尺测量提供了可行的示范。

摘要：针对当前畜牧保险行业勘察、定损中牛身份识别难的问题,本文将深度学习框架与物联网(internet of things,IOT)技术结合构建牛脸识别系统。系统中以Inception_Resnet_v1作为深度学习网络框架,结合Triplet Loss损失函数,完成牛面部特征的提取,通过计算余弦距离对特征进行身份识别。基于flask和vue框架布署牛脸检测和特征提取及验证模型,开发牛脸信息数据库,提供身份注册和验证web服务。为验证系统可行性,采集并制作牛脸识别数据集CFID200,在20%未见牛脸的条件下,牛脸识别系统准确率与验证率达到95%以上,满足保险业务牛脸身份识别需要。

摘要：针对基于机器视觉的牛体尺测量方法中图像背景复杂、特征点提取难度大的问题,提出了一种基于Kinect v4传感器的牛体尺测量方法来采集彩色和深度图像,并结合目标检测、Canny边缘检测、三点圆弧曲率等算法提取体征特征点进而计算体尺数据。首先,制作了牛体尺特征部位图像数据集,并利用深度学习YOLOv5目标检测算法检测牛体尺特征部位信息,以减少牛体其他部位和背景对体尺测点提取的干扰;其次,借助OpenCV图像处理库中的Canny边缘检测、轮廓提取等图像处理算法获取牛体尺测点所在的关键轮廓;然后,对关键轮廓采用多项式拟合和三点圆弧曲率等算法从而在二维图像中提取牛体尺测点;最后,利用深度信息将二维图像中的测点信息转换到三维坐标系下,并结合随机抽样一致(RANSAC)算法在三维坐标系下设计牛体尺测量方法。经过在复杂环境下传感器和牛体侧面成不同偏角时的实验测量结果和人工测量结果的比较得出,牛体尺数据中鬐甲高的平均相对误差为0.76%,体斜长的平均相对误差为1.68%,体直长的平均相对误差为2.14%,臀端高的平均相对误差为0.76%。实验结果表明,所提方法在复杂环境下具有较高的测量精度。