公开(公告)号：CN111354003B

公开(公告)日：2023-04-25

申请号：CN202010116353.3

申请日：2020-02-25

Applicant: 华南农业大学

Inventor： 张连宽 ,  肖德琴 ,  杨秋妹 ,  谢炫

IPC: G06T7/11 ,  G06T7/155 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了基于深度图像的猪只分割方法，其基于深度数据进行猪只分割，由于深度数据不受光线限制，可以全时段采集数据，相较于彩色图像对监测猪只具有实时优势；同时深度数据反应了猪只的三维空间图像特征对后续的猪只行为与状况分析更具有应用价值。其次，通过分水岭分割方法可对粘连猪只进行有效分割，并针对其容易因噪声而出现过度分割的问题，提出先验标记代表性要分割的区域的解决方法。针对于深度学习的识别限制，采用形态学分割方法进一步分割粘连较小猪只。在此基础上，对于粘连较大而难以识别的猪只，采用旋度中心算法识别未分割的猪只背部与腹部并使用分水岭算法分割图像，从而显著提升分割率。

公开(公告)号：CN111354003A

公开(公告)日：2020-06-30

申请号：CN202010116353.3

申请日：2020-02-25

Applicant: 华南农业大学

Inventor： 张连宽 ,  肖德琴 ,  杨秋妹 ,  谢炫

IPC: G06T7/11 ,  G06T7/155 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了基于深度图像的猪只分割方法，其基于深度数据进行猪只分割，由于深度数据不受光线限制，可以全时段采集数据，相较于彩色图像对监测猪只具有实时优势；同时深度数据反应了猪只的三维空间图像特征对后续的猪只行为与状况分析更具有应用价值。其次，通过分水岭分割方法可对粘连猪只进行有效分割，并针对其容易因噪声而出现过度分割的问题，提出先验标记代表性要分割的区域的解决方法。针对于深度学习的识别限制，采用形态学分割方法进一步分割粘连较小猪只。在此基础上，对于粘连较大而难以识别的猪只，采用旋度中心算法识别未分割的猪只背部与腹部并使用分水岭算法分割图像，从而显著提升分割率。