[0001] 本发明涉及畜禽饲养技术领域，具体涉及一种面向畜禽饲养的称重测量方法及其系统、介质。

[0002] 随着现如今的技术创新，对现代的工厂化密集化畜禽养殖业有很大的发展，在猪、羊等畜禽养殖过程中，往往需要对其重量进行非接触测量监控，不仅关系到饲养效率的提升，还与疾病防控息息相关，同时能够无应激的监测畜禽的健康状态，从而方便后续调整饲养计划。

[0003] 而在畜禽类饲养中，以猪只为例，在现有的测量猪只体重的技术中，包括直接测量和无接触式的间接测量，直接测量是通过人工驱赶猪只进入称重设备，进而测得体重的方式，而在人工操作过程中，难免会产生误差，影响数据的准确性和可靠性；无接触的间接测量是对猪只进行无接触识别与检测的方式，通过摄像设备获取猪只的图像，基于图像识别技术估测出猪只的体重。

[0004] 如中国专利申请号201910153717.2，公布日为2020.09.08的专利文献，其公开了一种估计目标体重的方法和装置，涉及测量领域。该方法包括：基于待估重目标的体尺信息提取该目标的特征值，其中，多个特征值构成特征值集合；根据样本目标的特征值与体重范围的对应关系，确定特征值集合对应的最大体重值和最小体重值；确定最大体重值和最小体重值之间的各个体重值对应的特征值集合中特征值的个数；将对应超过预定个数特征值的体重值的平均值，作为待估重目标的体重值，本公开能够提高目标体重预测的准确性。

[0005] 上述文献是通过获取猪只的图像，然后通过猪只的图像信息进行估重，但是其仅仅是通过图像信息进行估重，而对于猪只的图像而言，其存在可能会有多个猪只，然后猪只目前的姿态比如在进食时俯视状态猪只重心会下降从而会影响到猪只的体重，从而导致猪只称重不可靠。

[0028] 下面结合附图和具体实施方式对本发明做进一步详细说明。

[0029] 实施例1。

[0030] 如图1‑3所示，本发明提供一种面向畜禽的简易无线称重测量方法，具体步骤如下：S1在每个畜禽上设置ID编号、识别标签以及姿态传感器，测试场所内安装有位置识别器，位置识别器用于获取测试场所内每只畜禽的ID编号、识别标签1的位置坐标以及姿态数据，在本实施例中，畜禽以猪只为例，识别标签1固定在猪只的耳朵上，识别标签1与位置识别器通过无线连接，使得位置识别器能够获取识别标签1的位置坐标，位置识别器设置为RFID识别器，识别标签1为内置RFID芯片的穿戴式标签；
S2采集畜禽与设置在养殖场地面上的压力传感器接触时的压力数据，在本实施例中，姿态传感器2固定在猪只的后脖颈处，姿态传感器2设置为加速度与陀螺仪传感器，通过加速度与陀螺仪传感器能够测量出猪只的姿态数据，压力传感器为柔性薄膜传感器，柔性薄膜传感器设置在猪只喂食区的喂食槽四测，在当猪只在喂食槽四测活动时，柔性薄膜传感器记录猪只踩踏的压力数据，在显示有压力数据的时间段内，通过位置识别器获取有压力数据时的猪只上识别标签的位置坐标以及此时猪只的姿态数据，得到此时在压力传感器上与识别标签的位置坐标相对应的猪只ID编号、压力数据和姿态数据，同时通过目标检测算法使得两个以上的摄像头3在柔性薄膜传感器范围内从不同位置对猪只的动态特征进行不同角度的实时拍摄，然后映射到同一猪只上，得到猪只的动态特征图像，在本实施例中，猪只的动态特征包括猪只的进食、睡眠、排泄、争斗等动作行为以及与动态特征相对应的猪只身体部位，身体部位包括猪只的左前足、左后足、右前足、右后足等，其中目标检测算法为现有技术，在此不再赘述；
S3通过实例分割算法对S2中的动态特征图像进行实例分割，得到猪只的图像实例，接着通过坐标转换将猪只的图像实例像素坐标换算为S2中的位置坐标，根据位置坐标得到此时分别与压力数据、姿态数据相对应的在压力传感器上活动的猪只动态特征图像，将此时在压力传感器上活动的猪只ID编号、压力数据、姿态数据和动态特征图像对应保存到称重系统的数据库中，在本实施例中，实例分割算法为现有技术，在此不再赘述；
S4利用均值滤波算法对采集得到的柔性薄膜传感器压力数据进行除噪、去毛刺预处理，然后利用称重系统的数据库中猪只的压力数据、姿态数据以及动态特征图像作为输入参数，以猪只的实际体重作为输出参数，构建非结构方程，在本实施例中，姿态传感器2的数据包括猪只动态特征的加速度数据和身体姿态倾角数据，以猪只的实际体重作为输出参数，构建非结构方程，如下：
；
在非结构方程中， 为待测猪只的实际体重， 为权重矩
阵，权重矩阵 通过BP神经网络训练得到，为检验BP神经网络在训练权
重矩阵W过程中的有效性和准确性，通过指标均方根误差RMSE 、平均绝对误差MAE 以及平均绝对百分比误差MAPE对BP神经网络进行评估，从而分别得到非结构方程中最优的权重矩阵 ；在本实施例中，均方根误差RMSE 、平均绝对误差MAE 以及平均绝
对百分比误差MAPE均为现有技术，再次不再赘述；
为含有 的多项式方程， 为含有 的多项式方程，
为含有 的多项式方程， 为含有 的多项式方程，
的计算公式如下：
；
其中 分别为与猪只ID编号相对应的加速度数据的
多项式、身体姿态倾角数据的多项式、柔性薄膜传感器的压力数据的多项式与动态特征图像数据的多项式，
分别为 多项式的系数、 多项式的系数、 多
项式的系数、 多项式的系数，其中n的取值为非负整数，通过BP神经网络训练得到多项式系数 ；
通过keras深度学习对非结构方程进行拟合，得到称重模型，在本实施例中，BP神经网络、keras深度学习均为现有技术，在此不再赘述；
S5将待测猪只的ID编号、姿态数据、动态特征图像数据以及压力数据输入到称重系统中，即可通过称重模型输出得到待测猪只的实际体重。

[0031] 比如，当一只猪只进入到喂养槽附近，使得压力传感器检测到压力数据时，然后通过位置识别器获取此时猪只的位置坐标，同时通过姿态传感器检测猪只的姿势，比如是猪只身体向前倾角度信息，比如向前倾斜30度，姿态传感器的数据能够通过位置识别器同时读取，然后通过摄像头获取猪只的动态特征图像，比如确定猪只是处于进食状态以及是右足位于压力传感器上，然后将这个姿态以及动态特征图像以及压力数据记录下来并保存至数据库中，然后记录多个这类情况之后通过学习确定该编号的猪只在这种姿态、这种动态特征图像下的压力数据，可以通过该编号的猪只在这种姿态、这种动态特征图像下确定最终的称重模型。

[0032] 本发明的工作原理：通过在每个畜禽上设置ID编号，然后通过压力传感器测量不同ID编号的畜禽进入到称重区域上的重量，并通过位置识别器获取有压力数据时的识别标签的位置坐标，从而得到与识别标签的位置坐标相对应的畜禽ID编号、压力数据和姿态数据，通过将动态特征图像的像素坐标转成有压力数据时的识别标签的位置坐标，从而得到根据位置坐标得到此时分别与压力数据、姿态数据相对应的在压力传感器上活动的畜禽动态特征图像，然后根据姿态数据和动态特征图像以及压力数据确定对应ID编号的最终重量数据，这样能在模型的学习过程中引入姿态数据动态特征图像数据，确定最终的称重模型，在后续的称重过程中，只需要引入ID编号等数据即可确定猪只的重量数据，且称重方法简单，且称重考虑到姿态数据、动态图像特征等体现的行为特征，使得重量测量方法更加准确，便于根据重量数据调整后续饲养计划，比如在重量过轻时调整重点饲养。

[0033] 实施例2。

[0034] 本发明还提供一种面向畜禽饲养的称重测量系统，包括压力传感器、设置在养殖场内的位置识别器、姿态传感器2、控制模块、数据库以及两个以上的摄像头3，所述摄像头3的镜头模组包括标准镜头、红外镜头和全景镜头，便于通过标准镜头适用于普通光线条件下对猪只进行拍摄，便于通过红外镜头在夜间或低光条件下对猪只进行拍摄，便于通过全景镜头拍摄养殖场内更广阔的猪只图像，实现不同场景的拍摄应用；本实施例中，压力传感器为柔性薄膜传感器，姿态传感器为加速度与陀螺仪传感器，所述柔性薄膜传感器包括顶层、中间层和底层三层结构，顶层设置为软质保护膜11，中间层设置为压电薄膜12，底层设置为海绵层13，通过设置软质保护,11，能够隔离猪只与压电薄膜12的直接接触，防止猪只损坏压电薄膜12；设置压电薄膜12用于通过形变来测量猪只施加的压力；通过设置海绵层13来为压电薄膜12提供形变空间。

[0035] 在本实施例中，控制模块通过WiFi分别与柔性薄膜传感器、设置在养殖场内的位置识别器以及摄像头进行无线连接，姿态传感器2通过WiFi与位置识别器无线连接实现数据传输，在柔性薄膜传感器有压力数据时，通过位置识别器获取压力数据对应的猪只ID编号、姿态传感器2的数据和位置坐标，并传输至控制模块，同时通过摄像头从不同位置拍摄畜禽的动态特征图像传输至控制模块，控制模块用于通过实例分割算法对动态特征图像进行实例分割，得到畜禽的图像实例，接着通过坐标转换将畜禽的图像实例像素坐标换算为与有压力数据时相对应的位置坐标，根据位置得到此时分别与压力数据、姿态数据相对应的在压力传感器上活动的畜禽动态特征图像，并将与有压力数据时的位置坐标相对应的畜禽的ID编号、姿势数据、动态特征图像和压力数据对应进行保存至数据库中；并以畜禽的压力数据、姿态数据以及畜禽的动态特征图像作为输入参数，以畜禽的实际体重作为输出参数，构建非结构方程，通过keras深度学习对非结构方程进行拟合，得到畜禽称重模型；并在将待测畜禽的ID编号、姿态数据、畜禽的动态特征图像数据以及压力数据输入到称重系统中，即可通过称重模型输出得到待测畜禽的实际体重。

[0036] 实施例3。

[0037] 本发明还提供一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述实施例1中一种面向畜禽饲养的称重测量方法。