[0001] 本发明涉及生物图像识别技术领域，尤其涉及一种精准的猪只过道估重的方式。

[0002] 生物图像识别技术领域是一种运用图像处理和模式识别技术分析和解释生物体的图像数据的领域。包括从图像中提取生物特征、进行数据分析和模式识别以识别和分类
生物体。广泛应用于医学诊断、农业、生态监测以及动物种群管理等领域。通过高精度的图像分析技术，可实现对生物体的精确监测和评估。

[0003] 其中，精准的猪只过道估重的方式，是一种利用生物图像识别技术来估计经过特定过道的猪的体重的方法。通过安装在过道中的摄像头或其他图像捕捉设备来获取猪的图
像，再结合图像识别和处理技术估测猪的体重。从而提高养殖效率、优化饲料分配。

[0004] 现有技术依赖固定视角的摄像头来捕捉过道中猪的图像，忽略了猪在移动过程中由于姿态变化带来的图像失真问题，导致体重估算的精度下降。当猪在过道中弯曲或姿态
不完整时，难以识别并准确分析其体型特征，导致估重时出现较大误差。此外，现有技术在图像识别阶段容易丢失关键的体型特征，影响体重的精确计算。导致估重数据不稳定，影响养殖效率和饲料分配的优化。

[0018] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

[0019] 在本发明的描述中，需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限
制。此外，在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

[0020] 请参阅图1，本发明提供一种技术方案：一种精准的猪只过道估重的方式，包括以下步骤：
S1：基于通道上方单目相机捕获的猪的图像数据，通过计算相机的视场与猪的动
态移动特征，选定图像捕获范围，划定图像中的检测线标定过线区域，并计算图像中的猪的运动轨迹，生成初始图像数据；
S2：基于初始图像数据，识别过线区域的猪并执行图像分割，获取多种形态的猪的
图像，分析每只猪的完整度，通过边缘锐化与噪声抑制增强图像的清晰度，生成优化的图像数据；
S3：基于优化图像数据，分析猪的体长、肩高关键特征点，利用特征点坐标计算关
键点之间的距离，根据完整度和体态特征，将图像分类为完整且直立、完整但弯曲、不完整且直立、不完整且弯曲，生成体型特征数据；
S4：基于体型特征数据，分析四类图像的相似度，将不完整或弯曲的猪的图像替换
为完整且直立的图像，计算每只猪在图像中的像素密度，并设定重量参数，结合体型特征和像素密度，计算每只猪的体重，生成体重估算数据；
初始图像数据包括捕获的图像帧序列、过线区域的标定坐标及猪运动的时间序列
数据，优化的图像数据包括图像分割结果、图像边缘的清晰化信息和每只猪的形态特征数
据，体型特征数据包括体长数据、肩高数据、体态分类标签和关键特征点的坐标位置，体重估算数据包括每只猪的重量估算值、图像替换后的像素密度和体型特征与重量的关联数
据。

[0021] 请参阅图2，选定图像捕获范围的获取步骤具体为：S111：基于通道上方单目相机捕获的猪的图像数据，根据相机的焦距和感光元件
的宽度，计算相机的几何参数，得到相机的视场角；
对于计算相机的几何参数，采用公式：
；
其中，是相机的视场角，表示相机可以覆盖的视觉范围的角度，是感光元件的宽
度，表示相机感光部件的尺寸，是相机的焦距，指相机镜头到感光元件的距离，用于确定相机的视场角， 是反正切函数，用于将相机的几何参数转换为视场角；
设置参数为35mm（全画幅相机标准），为50mm；
；
计算结果显示，当相机使用50mm的焦距和35mm宽的感光元件时，视场角大约是
38.58度，意味着相机可以覆盖这个角度范围内的景象。

[0022] S112：根据相机的视场角，计算猪穿过视场所需时间，得到猪移动过程的时间信息；
对于计算猪穿过视场所需时间，采用公式：
；
其中，是猪穿过相机视场所需的最短时间，是猪的移动速度，通过对猪在过道中
行走的监控和数据分析获得， 是正切函数，用于根据视场角计算视场的实际宽度；
基于实际条件，设定猪的行走速度为0.6米/秒；
；
这个时间反映了在猪以0.6米/秒的速度行走时，穿过相机可视范围所需的时间为
。

[0023] S113：根据猪移动过程的时间信息和相机的最大帧率，选择拍摄间隔，建立图像捕获范围；对于计算图像捕获范围，采用公式：
；
其中，是相机的最大帧率，指相机每秒可以捕捉的最大帧数，通过相机的规格信
息获得， 是最小值函数，用于选择实际拍摄间隔和相机最大帧率之间的最小值，以确保不会错过任何关键动态；
若相机的最大帧率为30帧/秒，取较小的值，对应的拍摄间隔 由以下公式确定：
；
将 帧/秒带入公式进行计算：
；
意味着每隔0.0333秒，相机可以拍摄一帧。以此保证在猪穿越视场的166.7毫秒内
至少能够拍摄5帧，有效捕捉到猪的动态。

[0024] 请参阅图3，计算图像中的猪的运动轨迹的获取步骤具体为：S121：基于相机监控的画面的图像分辨率，根据图像宽度和位置百分比，选定固定
检测线的像素位置，生成检测线的标定区域；
对于选定固定检测线的像素位置，采用公式：

[0025] 其中，是检测线在图像中的像素位置 是检测线相对图像宽度的位置百分比（0到100），通过观察图像确定，是图像总宽度，从相机分辨率参数获取；
通过相机或图像处理系统获得图像总宽度。若相机分辨率为1920像素宽，
像素。设定检测线在图像中的位置为图像宽度的50%，即 。

[0026] 按照公式计算：；
结果表明，检测线位于图像中心。

[0027] S122：参照检测线的标定区域和图像捕获范围，记录猪在连续图像帧中越过检测线的时间，利用图像帧率和像素位移计算其速度，获取猪的像素速度；
对于利用图像帧率和像素位移计算其速度，采用公式；
；
其中，是猪在连续两帧中的位置差，通过图像处理技术检测获得，计算公式为：
，这里 和 分别代表猪在连续两帧中沿 方向的像素位置，是猪在移动过程
中的像素速度；
设置参数相机帧率为30帧每秒，因此 秒。若猪在两连续帧中从像素位置
960移动到像素位置980，则 像素。

[0028] 使用公式计算猪在移动过程中的像素速度：；
结果表明猪穿越检测线的速度为每秒大约600像素。

[0029] S123：将猪在移动过程中的像素速度转换为当前移动速度，获取其运动轨迹，整合信息生成初始图像数据；对于将猪的像素速度转换为当前速度，采用公式：
；
其中，是猪的当前速度，是相机的视场宽度，通过相机技术规格获取，是图像宽
度，由图像的分辨率参数确定；
若相机视场宽度 为2米，图像宽度为1920像素，则：
；
结果表明，猪在当前情况下移动速度为每秒约0.625米，提供了关于其运动状态的
重要数据。

[0030] 请参阅图4，分析每只猪的完整度与姿态的获取步骤具体为：S211：基于初始图像数据中，猪的移动速度和图像中的检测线位置，计算猪达到检
测线的时间点，得到检测线的时间；
对于计算猪达到检测线的时间点，采用公式：
；
其中，是检测线在图像中的像素位置，通过图像分析软件确定，是猪到达检测
线的时间；
设置参数 为960像素，为0.625米/秒，基于实验设置或设备的量测标准，若1像素
为0.001米，根据检测线的位置和猪的速度，进行时间计算，并得到猪到达检测线的时间 ：
；
结果表明猪将在约1.54秒后到达检测线。

[0031] S212：当猪的位置到达检测线的时间后，对该时间点的图像帧进行处理，计算图像的平均像素强度，根据图像的平均像素强度与预设的阈值，判断是否进行分割操作，获取分割后的图像；对于计算图像的平均像素强度，采用公式：
；
其中，是调整系数，通过实验数据优化得出， 是时间 的图像帧中 位置
的像素强度，通过图像处理软件读取， 表示图像数据的水平和垂直坐标索引，是调整系
数，与环境光补偿因子 结合使用， 是环境光补偿因子，根据场景的环境光线条件分析得
出，用于调整亮度影响，是图像中的总像素数，通过图像元数据获取，是归一化系数，用于平衡光补偿的影响，根据实验数据确定；
设置参数 为0.8，为0.2，为50，代表轻微的环境光影响，为10，平衡光补偿的
影响，总像素数为10000， 设为在  时，图像帧的平均像素强度为120。

[0032] 计算平均像素强度 ：；
分割阈值 被设置为90，此设置基于以往经验，用于区分对象与背景，因为在大多
数情况下，超过此阈值的图像区域足以显示清晰的对象轮廓。由于 大于90，决定执行分割。

[0033] S213：根据分割后的图像数据，分析猪在图片中的完整度，得到形态完整度指标；对于分析猪在图片中的完整度，采用公式：
；
其中，是猪在分割后的图像中的面积，通过图像处理技术分析得出， 是猪在分
割后的图像中的边界周长，通过图像分析软件测量得出 是猪的形态完整度指标；
设置参数 的面积为200平方像素， 边界周长为50像素。

[0034] 使用上述数据，计算猪的形态完整度指标 ：；
形态完整度指标 的数值为4表明较高的形态整齐度。通常，一个高的形态完整度
指标（如超过3）表明图像的面积与周长比率较高，这意味着图像的边界简洁且面积较大，相对于更复杂或碎片化的形状，图像边界显得更整齐，表明处于较稳定的姿态。

[0035] 请参阅图5，增强图像的清晰度的获取步骤具体为：S221：基于原始图像数据，通过计算图像在水平和垂直方向上的像素强度变化提
取边缘信息，生成边缘强化的图像数据；
对于计算图像在水平和垂直方向上的像素强度变化，采用公式：
；
其中，是图像的梯度强度，用于表示图像边缘的清晰度， 是图像在水平方向 的
像素强度变化率， 是图像在垂直方向的像素强度变化率，是原始图像数据， 是图像数
据的水平和垂直坐标索引；
通过实际图像数据监测，一个像素点在水平方向上的灰度值从100变到150，垂直
方向上从100变到130，则：
；
；
代入公式得：
；
结果表明，在该像素点处的图像边缘锐化处理结果为梯度强度约58.31，指示了边
缘的清晰程度。

[0036] S222：基于边缘强化的图像数据，通过调整滤波权重优化图像噪声，获取优化的图像数据；对于调整滤波权重优化图像噪声，采用公式：
；
其中，是根据边缘强度调整的权重，以降低噪声的影响，而保持边缘部分的清晰
度，计算方式为： , 代表图像的每个像素值， 是降噪处理后的图像数据，
是调节边缘保留强度的系数，基于统计分析确定；
设置参数 ，为0.05， ；
计算权重 ：
；
考虑一个3x3的像素块，每个像素点都进行相同的权重计算，然后应用上述公式计
算加权平均，确定 ：
若周围像素值平均也为120，则：
；
表示通过噪声抑制后，该像素点的处理结果维持在120，显示了噪声抑制的有效
性，并保留了图像的边缘信息。

[0037] 请参阅图6，体型特征数据的获取步骤具体为：S311：从优化的图像数据，定位肩高和体长的关键特征点，考虑图像在多种条件下
的变化，包括多种缩放级别或像素密度，采用公式：
；
计算两点间的距离，得到两点之间的距离数据 ；
其中，和 是肩高点的坐标，和 是体长点的坐标，是调整图像缩放的因子，适
应不同图像分辨率的变化，根据图像的实际分辨率与标准分辨率的比例分析得出，是调
整图像缩放的因子，适应不同的垂直尺寸，根据图像的垂直分辨率比例分析得出，是像素
密度调整因子，考虑不同设备上像素尺寸的差异；
设置参数 像素， 像素， 像素像素， 像素， ， ，
；
横向距离调整：
像素；
纵向距离调整：
像素；
计算两点间的距离：
；
计算出的调整后的两点间距离用于量化猪体型的具体尺寸，包括体长和肩高。

[0038] S312：根据两点之间的距离数据，图像中计算猪的脊椎弯曲度，结合形态完整度指标进行图像分类操作，生成体型特征数据；对于计算猪的脊椎弯曲度，结合形态完整度指标进行图像分类操作，采用公式：
；
其中，是曲率，表示脊椎的弯曲程度，是脊椎线上的角度变化，是沿脊椎线的微
小距离；
根据完整度 和弯曲度的计算结果，将猪在图像中的情况分类为以下四种：
完整且直立：如果 值较高（接近4或更高）且 ，猪被分类为完整且直立。

[0039] 完整但弯曲：如果 值较高且 ，猪虽然完整但体态表现为弯曲。

[0040] 不完整且直立：如果 值较低（远低于4）且 ，猪可能不完整但体态直立。

[0041] 不完整且弯曲：如果 值较低且 ，猪不完整且体态弯曲。

[0042] 设置参数 通过分析脊椎线上的两点间角度差计算得出， 像素是脊椎线上两点之间的实际像素距离。

[0043] 将 从度转换为弧度， 弧度；= 弧度；
曲率 计算：
弧度/像素；
使用 （表示高完整度）和计算得到的 （轻微弯曲），这会将猪分类为完整
但弯曲的状态。

[0044] 请参阅图7，计算每只猪在图像中的像素密度的获取步骤具体为：S411：根据体型特征数据和脊椎的弯曲程度，采用公式：
；
计算两只猪在图像之间的相似度，得到图像和图像 之间的相似度分数 ；
其中， 和 是图像 和 的完整度指标，这些数据通过图像处理软件从每只猪的
图像中自动提取，根据轮廓的清晰度和完整性评估而得， 和 是图像 和 '的弯曲度，通
过图像分析软件计算，根据猪脊椎的可视弯曲程度确定，和 是调整系数，和 分别代表
完整度和弯曲度在相似度计算中的影响权重，根据先前的实验数据或相似研究确定，以确
保计算结果的敏感性和准确性；
设置两只猪的完整度指标 ， ，弯曲度 ， ，并且权重系数
， ；
完整度差异的影响：
；
弯曲度差异的影响：
；
相似度计算：
；
结果 表示两只猪在图像上的相似度较高，如果设置的阈值是0.5，这意味着
两只猪足够相似，可以根据需要进行图像替换。

[0045] S412：根据相似度分数，判断是否将不完整或弯曲的猪的图像替换为完整且直立的图像后，计算每只猪在选定图像中的像素密度，得到体重密度数据；
对于计算每只猪在图像中的像素密度，采用公式：
；
其中，是每像素的平均体重密度， 是估算的猪的总体重，基于已知的体重标准
或之前的测量数据获取， 是选定图像中的总像素数，直接从图像文件的元数据中获取；
如果一只猪的已知体重为200公斤，图像的总像素数为2,000,000像素。

[0046] 将体重从公斤转换为克， ；使用总体重和总像素数计算每像素的平均体重密度：
；
计算的结果 表明，每个像素平均代表了0.1克的体重。这个密度参数将
用于进一步估算其他图像中猪的体重，尤其是在图像替换后，确保估算体重的一致性和准
确性。

[0047] 请参阅图8，计算每只猪的体重的获取步骤具体为：S421：根据形态完整度指标，图像中的总像素数和体重密度数据，计算全部猪的总
体重，得到总体重数据；
对于计算全部猪的总体重，采用公式；
；
其中， 是猪的总体重，是每像素的平均体重密度，通过对比已知体重的图像得
到， 是第 只猪的在图像中的总像素数，直接从图像文件元数据读取， 是第 只猪的
形态完整度指标，通过图像分析软件计算得出，是猪的总数，是调整系数，用以调整估算
的体重与实际观测值之间的差异；
假设有3只猪，每只猪的图像像素数为 像素，体型系数 均为4， 克/像
素，并设定调整系数

[0048] ；结果表明三只猪的总体重为 。

[0049] S422：根据总体重数据，计算猪的平均体重，生成体重估算数据；对于计算猪的平均体重，采用公式：
；
其中， 是猪的平均体重；
将获得的总体重 和猪的总数 ，估算出猪的平均体重 ：
；
结果表明估算的每只猪的体重为 。

[0050] 一种精准的猪只过道估重系统，精准的猪只过道估重系统用于执行上述精准的猪只过道估重的方式，系统包括：
图像捕捉定位模块利用上方单目相机捕获猪只图像，根据视场确定捕获范围，标
定图像中的检测线与过线区域，计算猪的运动轨迹，生成初始图像数据；
图像优化处理模块基于初始图像数据，执行图像分割，获取多种形态的猪只图像，
对图像进行边缘锐化与噪声抑制，生成优化图像数据；
关键形态特征模块基于优化图像数据，分析猪的体长与肩高关键特征点，计算关
键点间距离，根据体态完整度与形态分类图像为完整且直立、完整但弯曲、不完整且直立、不完整且弯曲，生成体型特征数据；
图像替换与相似度分析模块基于体型特征数据，对不完整或弯曲的图像执行替换
操作，选用完整且直立的图像，分析图像相似度，生成替换后图像数据；
体重估算计算模块基于替换后图像数据，计算每只猪的像素密度，设定重量参数，
结合体型特征与像素密度，估算每只猪的体重，生成体重估算数据。

[0051] 以上，仅是本发明的较佳实施例而已，并非对本发明作其他形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其他领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上
实施例所做的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。