一种生物资产盘点的方法和装置与流程

1.本发明涉及计算机技术领域，尤其涉及一种生物资产盘点的方法和装置。


背景技术：

2.随着农业养殖技术的发展，猪、牛等养殖行业的养殖方式转变为集中大规模的方式。猪、牛等作为生物资产，对其数量进行盘点对于养殖户和监管机构具有重要意义。随着人工智能技术的发展，出现了采用计算机视觉与摄像头结合进行生物资产的盘点的方式。
3.相关技术中，计算机视觉与摄像头结合进行生物资产的盘点的方案，通过摄像头从侧面拍摄图像进行生物点数，但是这种方式会存在生物之间遮挡、近大远小等导致的点数结果准确性较低的问题；成本高；一种是通过固定通道进行拌线检测的方案，但是这种方式依赖固定通道，对建设施工有一定要求，且不能实现实时盘点、时效性差。


技术实现要素：

4.有鉴于此，本发明实施例提供一种生物资产盘点的方法和装置，能够训练得到目标检测模型，的目标检测模型能够根据生物图像检测生物的中心点和检测框，以确定生物图像中的生物，时效性好，且检测准确性高、效率高。
5.为实现上述目的，根据本发明实施例的一个方面，提供了一种目标检测模型的训练方法，包括：
6.获取多个生物图像以及每个所述生物图像的标注数据，所述生物图像中包括一个或多个生物，所述标注数据包括所述生物图像中生物的中心点和检测框；
7.确定与所述生物图像对应的图像特征；
8.根据与每个所述生物图像对应的图像特征和标注数据，训练得到目标检测模型。
9.可选地，所述图像特征包括所述生物图像中生物的预测中心点和预测检测框；确定与所述生物图像对应的图像特征，包括：
10.确定与所述生物图像对应的多层次的特征信息；
11.对所述多层次的特征信息进行融合，得到所述生物图像中生物的概率分布图，所述概率分布图指示了生物的预测中心点；
12.根据生物的预测中心点确定生物的预测检测框。
13.可选地，确定与所述生物图像对应的多层次的特征信息，包括：
14.利用多个特征降采样模块和多个卷积层串联，对所述生物图像进行编码，得到与所述生物图像对应的多层次的图像语义信息；
15.利用多个特征上采样模块对所述多层次的图像语义信息进行解码，获得所述多层次的特征信息。
16.可选地，对所述多层次的特征信息进行融合，包括：利用特征跨层连接模块对多层次的特征信息进行融合；
17.根据生物的预测中心点确定生物的预测检测框，包括：利用全连接层确定与生物
的预测中心点对应的多个偏移点，将生物的预测中心点与多个偏移点进行融合，得到与生物的预测中心点对应的生物的预测检测框。
18.可选地，所述生物图像为通过鱼眼摄像头拍摄得到的图像。
19.本发明实施例的第二方面，提供了一种生物资产盘点的方法，包括：
20.获取待盘点区域的图像，所述待盘点区域的图像中包括多个栏位的生物；
21.利用目标检测模型对所述待盘点区域的图像进行检测，确定所述待盘点区域的图像中生物的中心点和检测框；
22.根据所述待盘点区域的图像中生物的中心点和检测框的数量，确定与所述待盘点区域对应的生物资产盘点结果；
23.其中，所述目标检测模型是根据本发明实施例的目标检测模型的训练方法得到的。
24.可选地，获取待盘点区域的图像，包括：
25.采集摄像头拍摄的区域图像，所述摄像头位于待盘点区域的中心的正上方；
26.根据所述摄像头的标识获取与所述摄像头对应的有效区域顶点坐标；
27.根据所述有效区域顶点坐标对所述区域图像进行预处理，确定所述待盘点区域的图像。
28.可选地，根据所述摄像头的标识获取与所述摄像头对应的有效区域顶点坐标之前，还包括：
29.获取所述摄像头拍摄的样本区域图像；
30.对所述样本区域图像中的有效区域进行标注，确定所述样本区域图像中有效区域顶点坐标，作为与所述摄像头对应的有效区域顶点坐标；
31.将所述摄像头的标识和与所述摄像头对应有效区域顶点坐标对应保存在数据库中。
32.可选地，所述待盘点区域的图像为多个，确定与所述待盘点区域对应的生物资产盘点结果，包括：
33.针对所述待盘点区域的每个图像，确定所述图像中每个生物的中心点与该图像的中心之间的距离，根据各个距离从多个图像中筛选出目标图像；
34.根据所述目标图像中生物的中心点和检测框的数量确定所述生物资产盘点结果。
35.可选地，根据各个距离从多个图像中筛选出目标图像，包括：
36.根据各个距离确定平均距离；
37.将平均距离最小的图像作为所述目标图像。
38.可选地，根据各个距离从多个图像中筛选出目标图像，包括：
39.根据各个距离确定平均距离；
40.按照平均距离从小到大的距离对各个图像进行排序，将排序前n的图像作为所述目标图像；其中，n为大于1的自然数。
41.本发明实施例的第三方面，提供了一种目标检测模型的训练装置，包括：
42.第一获取模块，获取多个生物图像以及每个所述生物图像的标注数据，所述生物图像中包括一个或多个生物，所述标注数据包括所述生物图像中生物的中心点和检测框；
43.第一确定模块，确定与所述生物图像对应的图像特征；
44.训练模块，根据与每个所述生物图像对应的图像特征和标注数据，训练得到目标检测模型。
45.本发明实施例的第四方面，提供了一种生物资产盘点的装置，包括：
46.第二获取模块，获取待盘点区域的图像，所述待盘点区域的图像中包括多个栏位的生物；
47.检测模块，利用目标检测模型对所述待盘点区域的图像进行检测，确定所述待盘点区域的图像中生物的中心点和检测框；
48.第二确定模块，根据所述待盘点区域的图像中生物的中心点和检测框的数量，确定与所述待盘点区域对应的生物资产盘点结果；
49.其中，所述目标检测模型是根据本发明实施例的目标检测模型的训练方法得到的。
50.根据本发明实施例的另一个方面，提供了一种电子设备，包括：
51.一个或多个处理器；
52.存储装置，用于存储一个或多个程序，
53.当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明提供的目标检测模型的训练方法或生物资产盘点的方法。
54.根据本发明实施例的还一个方面，提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明提供的目标检测模型的训练方法或生物资产盘点的方法。
55.上述发明中的一个实施例具有如下优点或有益效果：通过获取多个生物图像以及每个生物图像的标注数据，然后利用卷积神经网络确定每个生物图像的图像特征，基于每个生物图像的图像特征和标注数据，进行训练，得到目标检测模型。生物图像可以为鱼眼摄像头拍摄的图像，利用该目标检测模型能够先后确定生物图像中生物的中心点和检测框，从而实现对生物图像中的生物的检测，该目标检测模型可以减小生物图像畸变对检测效果的影响，检测准确率较高，检测效率较高。
56.上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
57.附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
58.图1是根据本发明实施例的一种目标检测模型的训练方法的主要流程的示意图；
59.图2是根据本发明实施例的另一种目标检测模型的训练方法的主要流程的示意图；
60.图3是根据本发明实施例的一种生物资产盘点的方法的主要流程的示意图；
61.图4是本发明实施例的一种生物资产盘点的方法的主要流程的示意图；
62.图5是根据本发明实施例的目标检测模型的训练装置的主要模块的示意图；
63.图6是根据本发明实施例的生物资产盘点的装置的主要模块的示意图；
64.图7是本发明实施例可以应用于其中的示例性系统架构图；
65.图8是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意
图。
具体实施方式
66.以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
67.图1是根据本发明实施例的一种目标检测模型的训练方法的主要流程的示意图，如图1所示，该方法包括以下步骤：
68.步骤s101：获取多个生物图像以及每个生物图像的标注数据，生物图像中包括一个或多个生物，标注数据包括生物图像中生物的中心点和检测框；
69.步骤s102：确定与生物图像对应的图像特征；
70.步骤s103：根据与每个生物图像对应的图像特征和标注数据，训练得到目标检测模型。
71.在本发明实施例中，生物图像为包含生物的图像，例如，可以为养殖场中一个或多个栏位的图像。生物图像可以是通过摄像头拍摄得到的，摄像头可以为普通摄像头，也可以为鱼眼摄像头，其中，鱼眼摄像头拍摄的范围较大，但拍摄的图像的边缘会产生畸变，导致生物形变。获取多个生物图像后，可以采用人工标注的方式对每个生物图像中生物的中心点和检测框进行标注，获得每个生物图像的标注数据。
72.在本发明实施例中，对于每个生物图像，确定与该生物图像对应的图像特征，图像特征可以包括生物图像中生物的预测中心点和预测检测框，然后基于图像特征和标注数据，可以训练得到目标检测模型。
73.在本发明实施例中，如图2所示，确定与生物图像对应的图像特征，包括：
74.步骤s201：确定与生物图像对应的多层次的特征信息；
75.步骤s202：对多层次的特征信息进行融合，得到生物图像中生物的概率分布图，概率分布图指示了生物的预测中心点；
76.步骤s203：根据生物的预测中心点确定生物的预测检测框。
77.在本发明实施例中，确定与生物图像对应的图像特征时，获取生物图像的多层次的特征信息，多层次的特征信息包括深层次的特征信息和浅层次的特征信息。然后对多层次的特征信息进行融合，得到生物的概率分布图，根据概率分布图可以得到生物的预测中心点，进而根据生物的中心点回归出生物的预测检测框。其中，概率分布图中采用颜色表示概率从0至1之间的分布，如0为蓝色，1为红色，当一个位置越红则说明存在生物的概率越大，从而可以根据概率分布图确定生物的预测中心点。
78.在本发明实施例中，确定与生物图像对应的多层次的特征信息，包括：
79.利用多个特征降采样模块和多个卷积层串联，对生物图像进行编码，得到与生物图像对应的多层次的图像语义信息；
80.利用多个特征上采样模块对多层次的图像语义信息进行解码，获得多层次的特征信息。
81.在本发明实施例中，可以采用特征降采样模块和卷积层对生物图像进行编码，具
体可以采用多个特征降采样模块和多个卷积层串联，对生物图像进行编码，即对生物图像进行压缩，滤除无用的信息，这是因为生物图像是由多维数据组成，需要对生物图像进行编码，以从中提取有用的信息，如生物的位置信息，从而得到多层次的图像语义信息，该图像语义信息为编码的语义信息；然后采用特征上采样模块对得到的多层次的图像语义信息进行解码，具体采用多个特征上采样模块对多层次的图像语义信息进行逐层解码，得到多层次的特征信息，该多层次的特征信息为真实的语义信息，为更高分辨率的语义信息，从而可以得到高分辨率的概率分布图。
82.在本发明实施例中，特征降采样模块可以为卷积下采样、maxpool(最大池化)等下采样方式中的至少一种，卷积层可以为常规卷积、分组卷积或空洞卷积等中的至少一种，特征上采样模块可以为线性插值、转置卷积等上采样方式中的至少一种。
83.在本发明实施例中，对多层次的特征信息进行融合，包括：利用特征跨层连接模块对多层次的特征信息进行融合；
84.根据生物的预测中心点确定生物的预测检测框，包括：利用全连接层确定与生物的预测中心点对应的多个偏移点，将生物的预测中心点与多个偏移点进行融合，得到与生物的预测中心点对应的生物的预测检测框。
85.在本发明实施例中，得到多层次的特征信息后，可以对多层次的特征信息进行融合，可以提高目标检测模型的性能。具体可以采用特征跨层连接模块进行融合，从而得到生物的概率分布图，从而可以将生物的概率分布图中概率大的点确定为生物的预测中心点。其中，特征跨层连接模块可以为fpn(feature pyramid networks，特征金字塔网络)。
86.在本发明实施例中，得到生物的预测中心点后，利用全连接层可以确定与生物的预测中心点对应的多个偏移点，若检测框为矩形，多个偏移点可以为矩形的两个顶点坐标，两个顶点坐标可以为矩形的对角的顶点坐标。将生物的预测中心点与多个偏移点融合，可以得到生物的预测检测框，如将预测中心点作为矩形的中心点，与矩形的两个顶点坐标融合，可以得到矩形框，即为生物的预测检测框。
87.在本发明实施例中，在训练目标检测模型之前，构建损失函数，该损失函数可以包括中心位置损失，还可以包括检测框回归损失，然后基于标注数据中生物的中心点和检测框，以及得到的生物的预测中心点和预测检测框，迭代训练，可以采用反向梯度下降优化法训练，得到目标检测模型。
88.本发明实施例的目标检测模型的训练方法，通过卷积神经网络实现，首先获取多个生物图像以及每个生物图像的标注数据，然后确定每个生物图像的图像特征，基于每个生物图像的图像特征和标注数据，进行训练，得到目标检测模型。生物图像可以为鱼眼摄像头拍摄的图像，利用该目标检测模型能够先后确定生物图像中生物的中心点和检测框，从而实现对生物图像中的生物的检测，该目标检测模型可以减小生物图像畸变对生物的检测结果的影响，检测准确率高、效率高，且时效性好。
89.本发明实施例的目标检测模型，优先确定生物图像中的生物的中心点，再根据生物的中心点确定生物的检测框，而不是直接输出检测框，从而能够在生物图像存在畸变时，降低畸变对生物的中心点和生物的检测框的影响，提高检测结果的准确性；若直接输出检测框，则畸变影响较大时，检测框的形状变化也较大，不利于卷积神经网络的学习，从而导致模型效果较差，因此，该目标检测模型可以适用于鱼眼摄像头拍摄的生物图像中生物的
检测，且检测准确率高，时效性好。
90.本发明实施例还提供一种目标检测方法，该方法包括：获取目标生物图像，利用目标检测模型对目标生物图像进行检测，得到目标生物图像中生物的目标中心点和目标检测框。
91.在本发明实施例中，利用目标检测模型对目标生物图像进行检测，得到目标生物图像中生物的目标中心点和目标检测框，包括：确定与目标生物图像对应的多层次的特征信息，对多层次特征信息进行融合，得到目标生物图像中生物的概率分布图，概率分布图指示了生物的目标中心点，根据生物的目标中心点得到生物的目标检测框。进一步地，可以采用多个特征降采样模型和多重层卷积串联对目标生物图像进行编码，得到多层次的图像语义信息；然后采用多个特征采样模块对多层次的图像语义信息进行逐层解码，得到多层次的特征信息；再采用特征跨层连接模块对多层次的特征信息进行融合，得到目标图像中生物的概率分布图，进而得到生物的目标中心点；然后采用全连接层确定与生物的目标中心点对应的多个偏移点，将生物的目标中心点与对应的多个偏移点融合，得到生物的目标检测框。目标中心点和与该目标中心点对应的目标检测框的结合，可以确定一个生物。从而可以根据目标生物图像中生物的目标中心点和目标检测框的数量确定目标生物图像中生物的数量。
92.本发明实施例的目标检测模型通过优先确定生物图像中的生物的中心点，再根据生物的中心点确定生物的检测框，而不是直接输出检测框，从而能够在生物图像存在畸变时，降低畸变对生物的中心点和生物的检测框的影响，若直接输出检测框，则畸变影响较大时，检测框的形状变化也较大，不利于卷积神经网络的学习，从而导致模型效果较差，因此，该目标检测模型可以适用于鱼眼摄像头拍摄的生物图像中生物的检测，且检测准确率高。利用该目标检测模型能够对大规模养殖场地中的生物资产进行盘点。
93.如图3所示，本发明实施例还提供了一种生物资产盘点的方法，包括：
94.步骤s301：获取待盘点区域的图像，待盘点区域的图像中包括多个栏位的生物；
95.步骤s302：利用目标检测模型对待盘点区域的图像进行检测，确定待盘点区域的图像中生物的中心点和检测框；
96.步骤s303：根据待盘点区域的图像中生物的中心点和检测框的数量，确定与待盘点区域对应的生物资产盘点结果；
97.其中，目标检测模型是根据本发明实施例的目标检测模型的训练方法得到的。
98.在本发明实施例中，获取待盘点区域的图像可以通过普通摄像头得到，也可以通过鱼眼摄像头得到。其中，鱼眼摄像头拍摄范围较广，更适用于大规模养殖场地，对养殖场地的改造量小，且需要安装的鱼眼摄像头的数量更少，成本更低。通过鱼眼摄像头获取待盘点区域的图像，能够使得获取的待盘点区域的范围较大，例如，所获得的待盘点区域可以为养殖场地中的多个栏位，如2个较大的栏位，从而所得待盘点区域的图像中可以包括多个栏位的生物。
99.在本发明实施例中，获取待盘点区域的图像，包括
100.采集摄像头拍摄的区域图像，摄像头位于待盘点区域的中心的正上方；
101.根据摄像头的标识获取与摄像头对应的有效区域顶点坐标；
102.根据有效区域顶点坐标对区域图像进行预处理，确定待盘点区域的图像。
103.在本发明实施例中，将摄像头如鱼眼摄像头安装在待盘点区域的中心的正上方，使摄像头以俯视视角进行拍摄，从而可以获得更大范围的拍摄区域，且会减少生物的遮挡，如待盘点区域为2个栏位，摄像头可以安装在2个养殖栏位的中心的正上方，可以根据栏位的面积大小确定摄像头的安装高度，也可以安装在圈舍的顶部，如距离地面3-4米，以保证所得区域图像覆盖待盘点区域，且区域图像的中心与待盘点区域的中心对应。
104.采集摄像头拍摄的区域图像，所得区域图像中除待盘点区域外，还包括其他区域。为了能够更加准确地获得待盘点区域的生物资产盘点结果，需要获得待盘点区域的图像，防止其他区域的生物对盘点结果的准确性造成干扰，需要不展示或去除区域图像中其他区域。可以根据摄像头的标识获取对应的有效区域顶点坐标，以有效区域顶点坐标对区域图像进行预处理，例如将区域图像中除待盘点区域之外的其他区域置为黑色，从而在进行生物检测时不对其他区域进行检测，保证了盘点结果的准确性。其中，有效区域可以为区域图像中与待盘点区域对应的区域。
105.在本发明实施例中，根据摄像头的标识获取与摄像头对应的有效区域顶点坐标之前，还包括：
106.获取摄像头拍摄的样本区域图像；
107.对样本区域图像中的有效区域进行标注，确定样本区域图像中有效区域顶点坐标，作为与摄像头对应的有效区域顶点坐标；
108.将摄像头的标识和与摄像头对应有效区域顶点坐标对应保存在数据库中。
109.在本发明实施例中，根据摄像头的标识可以从数据库中获取与摄像头对应的有效区域顶点坐标，即数据库中预先存储了摄像头的标识和对应的有效区域顶点坐标。在摄像头安装完毕后，可以预先通过摄像头采集样本区域图像，然后人工标注出待盘点区域，可以通过web端工具，画出完整、闭合的多边形，作为有效区域，多边形的顶点即为有效区域顶点坐标，将摄像头标识和有效区域顶点坐标对应保存在数据库中，以供查询。
110.在获取到待盘点区域的图像后，利用目标检测模型对待盘点区域的图像进行检测，具体过程参考上述的目标检测方法，以获得图像中生物的中心点和检测框，从而可以根据图像中生物的中心点和检测框，得到待盘点区域的生物资产盘点结果，即待盘点区域中生物的数量。其中，待盘点区域的图像为预设时间范围内获取的待盘点区域的图像，通过目标检测模型可以获得待盘点区域的图像的生物资产盘点结果，从而实现对待盘点区域中生物资产的实时盘点。
111.在本发明实施例中，待盘点区域的图像可以为一个或多个，若待盘点区域的图像为一个，则以待盘点区域的该图像中生物的数量作为待盘点区域中生物的数量。其中，待盘点区域的图像中生物的中心点和检测框的数量是一一对应的，即根据一个中心点和与该生物的中心点对应的检测框的结合，即可以确定为一个生物，从而可以根据待盘点区域的图像中生物的中心点和检测框的数量确定待盘点区域中生物的数量，也可以以待盘点区域的图像中生物的中心点或检测框的数量作为待盘点区域中生物的数量。
112.在本发明实施例中，待盘点区域的图像为多个，确定与待盘点区域对应的生物资产盘点结果，包括：
113.针对待盘点区域的每个图像，确定图像中每个生物的中心点与该图像的中心之间的距离，根据各个距离从多个图像中筛选出目标图像；
114.根据目标图像中生物的中心点和检测框的数量确定生物资产盘点结果。
115.在本发明实施例中，待盘点区域的图像可以为多个，为提高生物资产盘点结果的准确性，可以获取待盘点区域的多个图像，根据多个图像的检测结果确定待盘点区域的生物资产盘点结果。其中，待盘点区域的多个图像，可以通过摄像头获取多个区域图像，然后采用与摄像头对应的有效顶点坐标对每个区域图像进行预处理，得到待盘点区域的多个图像。其中，待盘点区域的多个图像可以预设时间范围内不同时刻的图像。例如，摄像头可以在预设时间范围内以预设时间间隔采集多个区域图像，进而得到待盘点区域的多个图像，即待盘点区域的多个图像可以是通过摄像头在预设时间段内定时采集得到的。
116.对于待盘点区域的每个图像，利用目标检测模型对每个图像进行检测，获得每个图像中生物的中心点和检测框，然后根据多个图像的每个图像中生物的中心点和检测框确定待盘点区域的生物数量。具体地，计算每个图像中各个生物的中心点与图像的中心点之间的距离，得到与各个生物的中心点对应的各个距离，然后根据各个距离从多个图像中筛选出目标图像，根据目标图像中生物的中心点和检测框的数量确定待盘点区域的生物资产盘点结果。目标图像可以为多个图像中的一个或多个。通过将多个图像检测结果进行融合，可以根据多个图像中生物的中心点和检测框的数量确定生物资产盘点结果，能够有效减小获取图像时生物互相遮挡，导致的生物资产盘点结果不准确的影响，从而提升盘点结果的准确性和稳定性
117.由于鱼眼摄像头采集到的图像，越靠近图像中心，形变和遮挡越少，目标检测模型检测得到的检测结果准确性越高，相反，越靠近图像边缘，形变和遮挡越多，检测结果准确性越低。基于此，由于生物在一定时间内的位置是变化的，当待盘点区域的生物更多地集中在图像中心区域时，检测结果准确性越高，从而盘点准确性和置信度越高。可以根据上述特性，从多个图像中筛选出目标图像。
118.在本发明实施例的一种实施方式中，根据各个距离从多个图像中筛选出目标图像，包括：
119.根据各个距离确定平均距离；
120.将平均距离最小的图像作为目标图像。
121.在本发明实施例中，可以从多个图像中选择出靠近图像中心区域生物更多的图像作为目标图像。具体地，针对每个图像，计算图像中每个生物的中心点与图像的中心点之间的距离，根据获得的各个距离计算得到平均距离，将平均距离最小的图像作为目标图像，以目标图像中生物的数量作为与待盘点区域对应的生物资产盘点结果，即待盘点区域中生物的数量。
122.在本发明实施例的另一种实施方式中，根据各个距离从多个图像中筛选出目标图像，包括：
123.根据各个距离确定平均距离；
124.按照平均距离从小到大的顺序对各个图像进行排序，将排序前n的图像作为目标图像；其中，n为大于1的自然数。
125.在本发明实施例中，可以从多个图像中选择出靠近图像中心区域生物更多的多个图像作为目标图像。具体地，针对每个图像，计算图像中每个生物的中心点与图像的中心点之间的距离，根据获得的各个距离计算得到平均距离，然后按照平均距离从小到大的顺序
对各个图像进行排序，可以选择前n个图像作为目标图像，然后计算各个目标图像中生物的数量的平均值，以该平均值作为与待盘点区域对应的生物资产盘点结果，即待盘点区域中生物的数量。
126.图4为本发明实施例的一种生物资产盘点的方法的流程示意图。首先利用鱼眼摄像头在预设时间内(从t0至t1时刻)定时采集多个区域图像，其中，鱼眼摄像头安装在养殖场地两个养殖栏位中心的正上方；根据鱼眼摄像头的标识从数据库中获取与该鱼眼摄像头对应的有效区域顶点坐标，利用有效区域顶点坐标对每个区域图像进行预处理，即将除待盘点区域之外的图像置为黑色，得到与每个区域图像对应的待盘点区域的图像，即得到待盘点区域的多个图像；然后利用目标检测模型对待盘点区域的每个图像进行检测，得到检测结果，即得到每个图像中生物的中心点和检测框；将待盘点区域的多个图像的检测结果进行融合，得到待盘点区域的生物资产盘点结果。
127.本发明实施例的生物资产的盘点方法，获取到待盘点区域的图像后，利用目标检测模型对待盘点区域的图像进行检测，获得图像中生物的中心点和检测框，基于图像中生物的中心点和检测框可以确定待盘点区域的生物资产盘点结果。通过摄像头与目标检测模型的结合实现对待盘点区域中生物的实时盘点，时效性好；待盘点区域的图像可以是通过鱼眼摄像头拍摄的，利用目标检测模型能够减小鱼眼摄像头畸变对检测结果准确性的影响；待盘点区域的图像可以为多个，从而可以将多个图像的检测结果进行融合，得到待盘点区域的生物资产盘点结果，克服了由于生物遮挡导致的盘点结果不准确的问题，提升盘点结果的准确性和稳定性。
128.如图5所示，本发明实施例的还提供了一种目标检测模型的训练装置500，包括：
129.第一获取模块501，获取多个生物图像以及每个生物图像的标注数据，生物图像中包括一个或多个生物，标注数据包括生物图像中生物的中心点和检测框；
130.第一确定模块502，确定与生物图像对应的图像特征；
131.训练模块503，根据与每个生物图像对应的图像特征和标注数据，训练得到目标检测模型。
132.在本发明实施例中，图像特征包括生物图像中生物的预测中心点和预测检测框；第一确定模块502，进一步用于：确定与生物图像对应的多层次的特征信息；对多层次的特征信息进行融合，得到生物图像中生物的概率分布图，概率分布图指示了生物的预测中心点；根据生物的预测中心点确定生物的预测检测框。
133.在本发明实施例中，第一确定模块502，更进一步用于：利用多个特征降采样模块和多个卷积层串联，对生物图像进行编码，得到与生物图像对应的多层次的图像语义信息；利用多个特征上采样模块对多层次的图像语义信息进行解码，获得多层次的特征信息。
134.在本发明实施例中，第一确定模块502，更进一步用于：利用特征跨层连接模块对多层次的特征信息进行融合；
135.利用全连接层确定与生物的预测中心点对应的多个偏移点，将生物的预测中心点与多个偏移点进行融合，得到与生物的预测中心点对应的生物的预测检测框。
136.在本发明实施例中，生物图像为通过鱼眼摄像头拍摄得到的图像。
137.如图6所示，本发明实施例还提供了一种生物资产盘点的装置600，包括：
138.第二获取模块601，获取待盘点区域的图像，待盘点区域的图像中包括多个栏位的
生物；
139.检测模块602，利用目标检测模型对待盘点区域的图像进行检测，确定待盘点区域的图像中生物的中心点和检测框；
140.第二确定模块603，根据待盘点区域的图像中生物的中心点和检测框的数量，确定与待盘点区域对应的生物资产盘点结果；
141.其中，目标检测模型是根据本发明实施例的目标检测模型的训练方法得到的。
142.在本发明实施例中，第二获取模块601，进一步用于：采集摄像头拍摄的区域图像，摄像头位于待盘点区域的中心的正上方；根据摄像头的标识获取与摄像头对应的有效区域顶点坐标；根据有效区域顶点坐标对区域图像进行预处理，确定待盘点区域的图像。
143.在本发明实施例中，第二获取模块601，还用于：根据摄像头的标识获取与摄像头对应的有效区域顶点坐标之前，获取摄像头拍摄的样本区域图像；对样本区域图像中的有效区域进行标注，确定样本区域图像中有效区域顶点坐标，作为与摄像头对应的有效区域顶点坐标；将摄像头的标识和与摄像头对应有效区域顶点坐标对应保存在数据库中。
144.在本发明实施例中，待盘点区域的图像为多个，第二确定模块603，进一步用于：针对待盘点区域的每个图像，确定图像中每个生物的中心点与该图像的中心之间的距离，根据各个距离从多个图像中筛选出目标图像；根据目标图像中生物的中心点和检测框的数量确定生物资产盘点结果。
145.在本发明实施例中，第二确定模块603，更进一步用于：根据各个距离确定平均距离；将平均距离最小的图像作为目标图像。
146.在本发明实施例中，第二确定模块603，更进一步用于：根据各个距离确定平均距离；按照平均距离从小到大的距离对各个图像进行排序，将排序前n的图像作为目标图像；其中，n为大于1的自然数。
147.根据本发明实施例的另一个方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现本发明提供的目标检测模型的训练方法或生物资产盘点的方法。
148.根据本发明实施例的还一个方面，提供了一种计算机可读介质，其上存储有计算机程序，程序被处理器执行时实现本发明提供的目标检测模型的训练方法或生物资产盘点的方法。
149.图7示出了可以应用本发明实施例的目标检测模型的训练方法或目标检测模型的训练装置、以及生物资产盘点的方法或生物资产盘点的装置的示例性系统架构700。
150.如图7所示，系统架构700可以包括终端设备701、702、703，网络704和服务器705。网络704用以在终端设备701、702、703和服务器705之间提供通信链路的介质。网络704可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
151.用户可以使用终端设备701、702、703通过网络704与服务器705交互，以接收或发送消息等。终端设备701、702、703上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
152.终端设备701、702、703可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
153.服务器705可以是提供各种服务的服务器，例如对用户利用终端设备701、702、703
所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息
‑‑
仅为示例)反馈给终端设备。
154.需要说明的是，本发明实施例所提供的目标检测模型的训练方法或生物资产盘点的方法一般由服务器705执行，相应地，目标检测模型的训练装置或生物资产盘点的装置一般设置于服务器705中。
155.应该理解，图7中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
156.下面参考图8，其示出了适于用来实现本发明实施例的终端设备的计算机系统800的结构示意图。图8示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
157.如图8所示，计算机系统800包括中央处理单元(cpu)801，其可以根据存储在只读存储器(rom)802中的程序或者从存储部分808加载到随机访问存储器(ram)803中的程序而执行各种适当的动作和处理。在ram 803中，还存储有系统800操作所需的各种程序和数据。cpu 801、rom 802以及ram 803通过总线804彼此相连。输入/输出(i/o)接口805也连接至总线804。
158.以下部件连接至i/o接口805：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至i/o接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。
159.特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(cpu)801执行时，执行本发明的系统中限定的上述功能。
160.需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可
读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
161.附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
162.描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括第一获取模块、第一确定模块和训练模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，第一获取模块还可以被描述为“获取多个生物图像以及每个生物图像的标注数据”。
163.作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：获取多个生物图像以及每个生物图像的标注数据，生物图像中包括一个或多个生物，标注数据包括生物图像中生物的中心点和检测框；确定与生物图像对应的图像特征；根据与每个生物图像对应的图像特征和标注数据，训练得到目标检测模型。
164.根据本发明实施例的技术方案，该目标检测模型的训练方法，通过卷积神经网络实现，首先获取多个生物图像以及每个生物图像的标注数据，然后确定每个生物图像的图像特征，基于每个生物图像的图像特征和标注数据，进行训练，得到目标检测模型。生物图像可以为鱼眼摄像头拍摄的图像，利用该目标检测模型能够先后确定生物图像中生物的中心点和检测框，从而实现对生物图像中的生物的检测，该目标检测模型可以减小生物图像畸变对检测效果的影响，检测准确率高、效率高，且时效性好。
165.上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

技术特征：
1.一种目标检测模型的训练方法，其特征在于，包括：获取多个生物图像以及每个所述生物图像的标注数据，所述生物图像中包括一个或多个生物，所述标注数据包括所述生物图像中生物的中心点和检测框；确定与所述生物图像对应的图像特征；根据与每个所述生物图像对应的图像特征和标注数据，训练得到目标检测模型。2.根据权利要求1所述的训练方法，其特征在于，所述图像特征包括所述生物图像中生物的预测中心点和预测检测框；确定与所述生物图像对应的图像特征，包括：确定与所述生物图像对应的多层次的特征信息；对所述多层次的特征信息进行融合，得到所述生物图像中生物的概率分布图，所述概率分布图指示了生物的预测中心点；根据生物的预测中心点确定生物的预测检测框。3.根据权利要求2所述的训练方法，其特征在于，确定与所述生物图像对应的多层次的特征信息，包括：利用多个特征降采样模块和多个卷积层串联，对所述生物图像进行编码，得到与所述生物图像对应的多层次的图像语义信息；利用多个特征上采样模块对所述多层次的图像语义信息进行解码，获得所述多层次的特征信息。4.根据权利要求2所述的训练方法，其特征在于，对所述多层次的特征信息进行融合，包括：利用特征跨层连接模块对多层次的特征信息进行融合；根据生物的预测中心点确定生物的预测检测框，包括：利用全连接层确定与生物的预测中心点对应的多个偏移点，将生物的预测中心点与多个偏移点进行融合，得到与生物的预测中心点对应的生物的预测检测框。5.根据权利要求1所述的训练方法，其特征在于，所述生物图像为通过鱼眼摄像头拍摄得到的图像。6.一种生物资产盘点的方法，其特征在于，包括：获取待盘点区域的图像，所述待盘点区域的图像中包括多个栏位的生物；利用目标检测模型对所述待盘点区域的图像进行检测，确定所述待盘点区域的图像中生物的中心点和检测框；根据所述待盘点区域的图像中生物的中心点和检测框的数量，确定与所述待盘点区域对应的生物资产盘点结果；其中，所述目标检测模型是根据权利要求1-4中任一项所述的训练方法得到的。7.根据权利要求6所述的方法，其特征在于，获取待盘点区域的图像，包括：采集摄像头拍摄的区域图像，所述摄像头位于待盘点区域的中心的正上方；根据所述摄像头的标识获取与所述摄像头对应的有效区域顶点坐标；根据所述有效区域顶点坐标对所述区域图像进行预处理，确定所述待盘点区域的图像。8.根据权利要求7所述的方法，其特征在于，根据所述摄像头的标识获取与所述摄像头对应的有效区域顶点坐标之前，还包括：
获取所述摄像头拍摄的样本区域图像；对所述样本区域图像中的有效区域进行标注，确定所述样本区域图像中有效区域顶点坐标，作为与所述摄像头对应的有效区域顶点坐标；将所述摄像头的标识和与所述摄像头对应有效区域顶点坐标对应保存在数据库中。9.根据权利要求7所述的方法，其特征在于，所述待盘点区域的图像为多个，确定与所述待盘点区域对应的生物资产盘点结果，包括：针对所述待盘点区域的每个图像，确定所述图像中每个生物的中心点与该图像的中心之间的距离，根据各个距离从多个图像中筛选出目标图像；根据所述目标图像中生物的中心点和检测框的数量确定所述生物资产盘点结果。10.根据权利要求9所述的方法，其特征在于，根据各个距离从多个图像中筛选出目标图像，包括：根据各个距离确定平均距离；将平均距离最小的图像作为所述目标图像。11.根据权利要求9所述的方法，其特征在于，根据各个距离从多个图像中筛选出目标图像，包括：根据各个距离确定平均距离；按照平均距离从小到大的距离对各个图像进行排序，将排序前n的图像作为所述目标图像；其中，n为大于1的自然数。12.一种目标检测模型的训练装置，其特征在于，包括：第一获取模块，获取多个生物图像以及每个所述生物图像的标注数据，所述生物图像中包括一个或多个生物，所述标注数据包括所述生物图像中生物的中心点和检测框；第一确定模块，确定与所述生物图像对应的图像特征；训练模块，根据与每个所述生物图像对应的图像特征和标注数据，训练得到目标检测模型。13.一种生物资产盘点的装置，其特征在于，包括：第二获取模块，获取待盘点区域的图像，所述待盘点区域的图像中包括多个栏位的生物；检测模块，利用目标检测模型对所述待盘点区域的图像进行检测，确定所述待盘点区域的图像中生物的中心点和检测框；第二确定模块，根据所述待盘点区域的图像中生物的中心点和检测框的数量，确定与所述待盘点区域对应的生物资产盘点结果；其中，所述目标检测模型是根据权利要求1-4中任一项所述的训练方法得到的。14.一种电子设备，其特征在于，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-11中任一所述的方法。15.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-11中任一所述的方法。

技术总结
本发明公开了一种生物资产盘点的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：获取多个生物图像以及每个所述生物图像的标注数据，所述生物图像中包括一个或多个生物，所述标注数据包括所述生物图像中生物的中心点和检测框；确定与所述生物图像对应的图像特征；根据与每个所述生物图像对应的图像特征和标注数据，训练得到目标检测模型。该实施方式训练得到的目标检测模型能够根据生物图像检测生物的中心点和检测框，以确定生物图像中的生物，时效性好，且检测准确性高、效率高。高。高。


技术研发人员：戴汉彬 左佳伟 李显涛 郭聪 王林芳 陈峰
受保护的技术使用者：京东科技控股股份有限公司
技术研发日：2023.07.12
技术公布日：2023/10/15