摘要
随着精准畜牧业的提出，结合精准农业的技术思想，对畜牧业生产进行定位、定时、定量的优化控制和管理，以实现经济、生态、社会效益相统一，获得最大的经济效益和环境效益，已成为人们关注的焦点。在畜牧业养殖中，牛的体尺数据可以直观反映牛健康状态以及发育状况，同时，精细养殖也是牛选育、肉品评价等重要指标之一。牛体尺的测量指标主要包括体长、体高、斜长等，常规的测量方法都是手工测量，测量条件相对艰苦，影响牛的正常生活习惯。针对这一问题，本文提出了一种基于深度估计的牛体尺测量方法。 立体匹配是计算机视觉中最基本的任务之一，它的任务就是求出左右图像像素之间的对应关系并计算视差图。长期以来，研究者们一直在努力提高三维图像匹配的准确性和速度。近年来，随着图像识别、目标检测、语义分割等方面的深入研究，基于深度学习的图像处理技术也逐渐发展起来。如今，深度学习已经成功地将其运用到了立体匹配中。在传统的立体匹配算法中，采用了代价计算、代价聚合、视差计算、视差优化等四个阶段，并将其融合到卷积神经网络中。本文提出的深度估计的牛体尺测量方法，主要工作内容如下：首先对传统双目相机进行双目标定，得到相机的外参和内参，其次，采用YOLOv5目标检测方法对奶牛进行特征位置的提取，获得了该区域的特征点的像素坐标。在深度估计上采用两种方法进行，一种方法对左右目图片进行矫正，然后利用SGM立体匹配算法对矫正的图片进行匹配代价计算、代价聚合，输出深度图；另外一种方法用深度学习的方法的深度估计模型，模型将传统立体匹配方法融入卷积神经网络中，首先对采集的图片进行训练，经过模型一系列算法并得到深度图。最后将特征点的像素坐标结合标定的相机参数将其转化为左目相机坐标系下的空间坐标，用空间两点距离公式对牛体尺参数进行计算。 实验结果显示，采用这种方法可以较好地检测出牛的体尺参数，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%。本文采用深度估计的测量方法，在饲养过程中实现了无接触测量，并且该技术无需昂贵的深度采集设备、适用场景类型多样、节省人力成本等优点，拓展了该技术在畜牧业中的应用前景，为畜牧牛体尺数据的测量开辟了新的思路。
NETL