(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210424195.7 (22)申请日 2022.04.21 (71)申请人 重庆理工大 学 地址 400054 重庆市巴南区红光大道69号 (72)发明人 董文鑫　张建勋　周粤川　高林枫　 倪锦园　 (74)专利代理 机构 重庆天成卓越专利代理事务 所(普通合伙) 50240 专利代理师 王宏松 (51)Int.Cl. G06T 7/00(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 5/40(2006.01) G06V 10/774(2022.01)G06V 10/80(2022.01) (54)发明名称 基于深度回归网络的猪B超图像脂肪含量检 测方法 (57)摘要 本发明提出了一种基于深度回归网络的猪B 超图像脂肪含量检测方法， 包括以下步骤： S1， 采 集若干猪B超 图像， 然后将所述图像的宽度和高 度缩放到一个统一的值从而得到样本； S2， 图像 增强： 基于限制对比度的自适应直方图均衡化进 行图像增强； S3， 增加样本： 通过平移、 旋转、 镜 像、 锐化、 改变像素值和亮度之一或者任意组合 来扩展数据集； S4， 将样本输入网络模型进行训 练， 得到训练好的网络模型； S5， 将待测的猪B超 图像输入网络训练， 得到脂肪含量结果。 本发明 能够简化检测过程， 降低人工成本， 节省检测时 间， 降低检测成本， 提高检测精度， 提高育种效 果。 它将对畜牧生产和人类生活具有重要意 义。 权利要求书2页 说明书13页 附图7页 CN 114998195 A 2022.09.02 CN 114998195 A 1.一种基于深度回归网络的猪B超图像脂肪含量检测方法， 其特征在于， 包括以下步 骤： S1， 采集若干猪B超图像， 然后将所述图像的宽度和高度缩放到一个统一的值从而得到 样本； S2， 图像增强： 基于限制对比度的自适应直方图均衡化进行图像增强； S3， 增加样本： 通过平移、 旋转、 镜像、 锐化、 改变像素值和亮度之一或者任意组合来扩 展数据集； S4， 将样本输入网络模型进行训练， 得到训练好的网络模型； S5， 将待测的猪B超图像输入网络训练， 得到 脂肪含量结果。 2.根据权利要求1所述的一种基于深度回归 网络的猪B超图像脂肪含量检测方法， 其特 征在于， 所述猪B超图像为猪眼肌图像。 3.根据权利要求1所述的一种基于深度回归 网络的猪B超图像脂肪含量检测方法， 其特 征在于， 所述网络模型包括： 残差块、 特征融合层、 全局平均池化层和全连接层， 残差块、 特征融合层、 全局平均池化 层和全连接层的数目分别为5层、 5层、 1层和2层， 在残差块和特征融合层之间还包括CBAM模 块； 输入的特征图将经过5次特征提取阶段， 所述特征提取阶段包括残差块， CBAM模块， 特 征融合层， 残差块的数据输出端与CBAM模块的数据输入端相连， CBAM模块的数据输出端与 特征融合层的数据输入端相连； 然后经过全局平均池化层， 再经过全连接层、 ReLU激活函数和Dropout， 最后经过全连 接层得到 输出。 4.根据权利要求3所述的一种基于深度回归 网络的猪B超图像脂肪含量检测方法， 其特 征在于， 所述残差块包括两个DO ‑Conv卷积， 每个卷积后均有自适应激活函数ACON， 最终得 到新输出结果， 并且将得到新输出与来自上一层的输入进行残差连接， 得到最终的数据输 出； 所述上一层的输入为执 行第一个DO ‑Conv卷积之前的输入。 5.根据权利要求3所述的一种基于深度回归 网络的猪B超图像脂肪含量检测方法， 其特 征在于， 所述特 征融合层包括： 最大池化之后进行上采样， 并与最大池化之前的特征映射进行通道维度上的拼接， 再 一起通过最大池化。 6.根据权利要求3所述的一种基于深度回归 网络的猪B超图像脂肪含量检测方法， 其特 征在于， 所述特 征融合层输出的维度应满足以下式子： 其中Wi‑1表示前一卷积层输入到 本层的特 征映射图的宽度； Hi‑1表示前一卷积层输入到 本层的特 征映射图的高度； R表示给当前 特征映射图添加的边界宽度； F为当前卷积层卷积核的大小；权　利　要　求　书 1/2 页 2 CN 114998195 A 2S为池化层的步长； Wi表示当前层的特 征映射图经 过池化后输出的特 征映射图的宽度； Hi表示当前层的特 征映射图经 过池化后输出的特 征映射图的高度。 7.根据权利要求1所述的一种基于深度回归 网络的猪B超图像脂肪含量检测方法， 其特 征在于， 所述模型进行训练还 包括： 采用损失函数估计预测结果与正确标签之间的距离； 所述正确标签是通过采用索氏提取法测定和分析猪眼肌脂肪含量， 形成的脂肪含量预 处理标签。 8.根据权利要求7所述的一种基于深度回归 网络的猪B超图像脂肪含量检测方法， 其特 征在于， 所述损失函数为Huber损失， Huber损失包括： 其中 表示y与 的Huber损失； y表示实际标签； 表示预测结果； δ 是一个参数； |·|表示绝对值； for表示对于； otherwise表示其它情况。 9.根据权利要求8所述的一种基于深度回归 网络的猪B超图像脂肪含量检测方法， 其特 征在于， 所述Huber损失的约束 项为L2正则化， L2正则化包括： 其中||·||2表示二范数； 表示预测结果； 表示第i个测量样本的预测结果； |·|表示绝对值； n表示测量样本的总数； yi表示第i个测量样本的实际标签。权　利　要　求　书 2/2 页 3 CN 114998195 A 3