一种基于区域覆盖比例的鸡脖颈羽毛覆盖度评估方法

本发明涉及养殖场视频智能监控，更具体地说，它涉及一种基于区域覆盖比例的鸡脖颈羽毛覆盖度评估方法。

背景技术：

1、随着家禽养殖规模化、智能化程度不断提升，禽类健康监测已经成为智慧养殖领域中保障养殖品质、提升生产效率的核心环节。羽毛状态作为反映家禽健康水平的直观指标，其中脖颈区域羽毛覆盖度的精准评估，能够有效实现啄羽癖、寄生虫感染、营养缺乏等常见疾病的早期筛查，为养殖管理策略调整提供数据支撑。现有技术中，针对家禽羽毛覆盖度的评估多依赖人工观察完成，不仅存在效率低、主观性强、通量有限等缺陷，且难以满足规模化笼养模式下的实时监测需求。

2、近年来，计算机视觉技术在家禽养殖领域得到广泛应用，通过图像识别实现羽毛覆盖度自动化评估的方案逐步得到发展。然而，针对鸡脖颈区域的羽毛覆盖度评估，现有基于图像分割的技术方案仍存在诸多难以解决的技术问题：

3、首先，鸡只的取食行为属于动态周期性过程，取食姿态会随进食动作不断变化，脖颈区域会随颈部屈伸发生位置偏移，导致基于固定锚点的目标检测方法无法准确定位脖颈区域，引发接触位置漂移问题，最终造成评估区域定位偏差，降低羽毛覆盖度评估精度。其次，鸡舍环境光照条件复杂，非均匀光照会在脖颈区域形成高光与阴影，阴影覆盖区域会被误识别为羽毛缺失区域，而高光区域则会掩盖实际存在的羽毛损伤，导致缺失区域识别准确率大幅下降，无法区分真实羽毛缺失与光照干扰产生的伪缺失。第三，养殖过程中产生的饲料污渍、粪便污渍容易附着在脖颈羽毛区域，污渍覆盖区域的纹理特征与羽毛缺失区域的特征高度相似，现有分类识别模型容易将污渍区域误判为羽毛缺失区域，引发误检，进一步干扰最终覆盖度计算结果。第四，现有基于深度学习分割的方案依赖像素级分割掩膜完成覆盖度计算，针对脖颈区域边缘羽毛形态不规则、遮挡严重的场景，容易出现分割掩膜缺失，或相邻帧评估中掩膜边界抖动不稳定的问题，不仅会导致覆盖度计算结果波动大，甚至会造成评估过程中断，无法满足连续监测的稳定性需求。

技术实现思路

1、本发明的目的是提供一种基于区域覆盖比例的鸡脖颈羽毛覆盖度评估方法，以解决上述技术问题。

2、本发明的上述技术目的是通过以下技术方案得以实现的：一种基于区域覆盖比例的鸡脖颈羽毛覆盖度评估模型，所述模型包括以下模块：

3、图像采集模块：对养殖场内的监控设备采集到的图像信息进行抽帧处理；

4、脖颈分割模块：通过图像分割技术对单帧图像中的鸡脖颈区域进行像素级识别，获得脖颈掩膜及其空间分布信息；

5、接触带定位模块：在脖颈掩膜内部构建用于评估的接触带区域；

6、羽毛缺失区域识别模块：在接触带范围内识别羽毛缺失区域；

7、指标计算模块：计算羽毛缺失区域面积占接触带面积的比例，作为脖颈接触带羽毛缺失程度的量化指标；

8、四级映射输出模块：羽毛缺失区域面积占接触带面积的比例将结果映射为无、小、中、大四级输出；

9、退化策略：当脖颈分割模块、接触带定位模块、羽毛缺失区域识别模块输出结果不可用时，则进入退化策略。

10、本发明进一步设置为：所述脖颈分割模块使用深度学习分割模型输出脖颈区域掩膜neck_mask。

11、本发明进一步设置为：所述接触带定位模块的实施流程如下：

12、先计算脖颈掩膜主方向，沿主方向将脖颈划分为上/中/下区域，取中段固定比例区间作为接触带；并在垂直主方向上取脖颈宽度的固定比例形成带状区域，得到contactband mask = neck_mask ∩ band_region。

13、本发明进一步设置为：所述羽毛缺失区域的识别可通过以下方式：

14、（1）利用深度学习分割模型直接输出羽毛缺失区域掩膜；

15、（2）在 neck_mask 内基于纹理及颜色特征区分有羽和缺羽像素，生成 loss_mask。

16、本发明进一步设置为：所述指标计算模块在接触带内计算羽毛缺失程度的计算流程如下：

17、接触带内缺失掩膜：contact loss mask = loss_mask ∩ contact band mask

18、缺失比例：

19、

20、其中  表示掩膜面积， 为防止分母过小的稳定项。

21、可同时输出 loss area = a(contact loss mask) 与 loss ratio = r。

22、本发明进一步设置为：所述四级映射输出模块将缺失比例 (r) 映射为四级结果：

23、

24、其中 (t0,t1,t2) 为比例阈值。

25、本发明进一步设置为：所述退化策略具体实施时分以下三种情况：

26、（1）neck_mask 缺失或不可用，即置信度过低或面积过小：直接输出 level=无，并写入质量字段 reason=neck_unavailable，用于后续分析；

27、（2）contact band mask 不可用，即接触带面积过小或不稳定：首先判断当前帧是否存在可用鸡头区域；在能够识别鸡头并计算鸡头宽度的情况下，优先采用鸡头宽度作为接触带面积分母或尺度归一化参考，以提高不同姿态下分母判定的一致性；在无法识别鸡头或鸡头宽度不可用时，退回至脖颈宽度联合判断，结合脖颈掩膜宽度、脖颈有效面积、接触带有效像素比例共同判断接触带是否可用；若仍不可用，则保守输出 level=无；

28、（3）若直接利用深度学习分割模型输出的羽毛缺失区域掩膜缺失或不可用，启用在 neck_mask 内基于纹理及颜色特征区分有羽和缺羽像素，生成 loss_mask，若仍不可用，保守输出 level=无，并记录 reason=loss_unavailable。

29、本发明进一步提供基于上述模型实施的鸡脖颈羽毛覆盖度评估方法。

30、综上所述，本发明具有以下有益效果：

31、1.本发明通过引入基于几何约束、结构线提取或预设模板的接触带定位方法，在鸡只颈部不断伸屈的取食过程中，始终保持评估区域的一致性，大幅降低姿态变化带来的定位误差，解决现有技术中取食姿态变化引发的脖颈接触位置漂移、评估区域定位偏差的缺陷。

32、2.本发明采用稳健比例指标结合最小面积门控的处理方式，有效过滤光照、污渍带来的噪声干扰，解决高光阴影干扰导致的缺失区域误识别，以及污渍覆盖引发的误检问题。

33、3.本发明设计了退化策略，当出现掩膜缺失时，算法保守输出“无缺失”结果，同时输出当前评估结果的质量置信度字段，供上层系统进行二次判断，不会直接触发评估流程中断。

1.一种基于区域覆盖比例的鸡脖颈羽毛覆盖度评估模型，其特征是：所述模型包括以下模块：

2.根据权利要求1所述的一种基于区域覆盖比例的鸡脖颈羽毛覆盖度评估模型，其特征是：所述脖颈分割模块使用深度学习分割模型输出脖颈区域掩膜neck_mask。

3.根据权利要求2所述的一种基于区域覆盖比例的鸡脖颈羽毛覆盖度评估模型，其特征是：所述接触带定位模块的实施流程如下：

4.根据权利要求3所述的一种基于区域覆盖比例的鸡脖颈羽毛覆盖度评估模型，其特征是：所述羽毛缺失区域的识别可通过以下方式：

5.根据权利要求4所述的一种基于区域覆盖比例的鸡脖颈羽毛覆盖度评估模型，其特征是：所述指标计算模块在接触带内计算羽毛缺失程度的计算流程如下：

6.根据权利要求5所述的一种基于区域覆盖比例的鸡脖颈羽毛覆盖度评估模型，其特征是：所述四级映射输出模块将缺失比例 (r) 映射为四级结果：

7.根据权利要求1所述的一种基于区域覆盖比例的鸡脖颈羽毛覆盖度评估模型，其特征是：所述退化策略具体实施时分以下三种情况：

8.一种基于区域覆盖比例的鸡脖颈羽毛覆盖度评估方法，其特征是：所述方法基于权利要求1-7任意一项所述的模型实施。