利用计算机视觉技术估测种猪体重

合集下载

利用图像处理技术自动估算猪胴体参数

利用图像处理技术自动估算猪胴体参数

收稿日期:2005208231;修返日期:2005212213基金项目:国家“863”计划资助项目(2002AA24805122)利用图像处理技术自动估算猪胴体参数3郑丽敏1,于 铂1,唐 毅1,朱 虹1,田立军1,任发政2(中国农业大学1.信息与电气工程学院;2.食品科学与营养工程学院,北京100094)摘 要:采用图像阈值分割和彩色分割算法,以及轮廓跟踪和拐点提取方法,成功实现猪二分体图像特征提取,用VC ++语言实现自动估算猪胴体图像参数。

研究结果表明迭代阈值分割和彩色分割算法能正确地分割二分体图像,距离求索法能够对拐点正确提取,进而确定特征点。

用获取的图像特征与胴体实测值建立的关系模型有较好的线性关系(p <0101),表明图像处理技术可以快速无损地估算猪胴体参数,评价猪肉质量。

关键词:图像处理;图像分割;特征提取;背膘厚;腿臀围中图法分类号:TP391 文献标识码:A 文章编号:100123695(2007)0120203204Evaluating Para meters of Hogs ’s Carcass U sing I m age Pr ocessing Technol ogyZ HE NG L i 2m in 1,Y U Bo 1,T ANG Yi 1,Z HU Hong 1,TI A N L i 2jun 1,RE N Fa 2zheng2(1.College of Infor m ation &Electrical Engineering;2.College of Food Science &N utritional Engineering,China A gricultural U niversity,B ei 2jing 100094,China )Abstract:The threshold seg mentati on and col or seg mentati on algorith m s are adop ted,the i m age features of half carcasses isobtained using the track outline and inflexi on method,VC ++is then used t o calculate the fat thickness,area of butt ocks au 2t omatically .The results indicate that the repeatedly threshold seg mentati on and col or seg mentati on algorith m s could seg ment the half carcass i m age;The distance track method could correctly seek inflexi on,then confir m the i m age features .Fat thick 2ness,area of butt ocks of hog ’s half carcass could be esti m ated aut omatically using the established models in this study with i m age p r ocessing technol ogy,m ini m izing human err ors and conta m inati on,and i m p r oving efficiency in assessing pork quality .Key words:I m age Pr ocessing;I m age Seg mentati on;Features Obtaining;Fat Thickness;A rea of Butt ocks 猪肉的质量是影响生猪养殖和屠宰加工企业经济效益的重要因素。

基于计算机视觉技术育肥猪体重分析研究

基于计算机视觉技术育肥猪体重分析研究

基于计算机视觉技术育肥猪体重分析研究计算机视觉技术在现代畜牧业中得到了越来越广泛的应用,尤其是在猪育肥过程中,对于猪体重的准确测量具有重要意义。

本文将介绍计算机视觉技术在育肥猪体重分析中的应用,探讨其优势和应用前景。

一、研究背景与意义目前,肉猪生产已经成为我国畜牧业的重要组成部分,但是如何高效地控制猪的体重仍然是养殖户们面临的一个难题。

传统的体重测量方法主要为人工称重,这不仅耗时耗力,而且猪的体型大、数量多,难以及时准确地测量,也无法保证测量的准确性和可重复性。

随着计算机视觉技术的快速发展,利用图像处理算法可以高效地捕捉猪的影像信息,实现猪体重的自动测量和记录,从而提高养殖效率和降低生产成本。

二、技术原理与方法(一)影像获取与预处理为了获取高质量、高分辨率的猪影像,首先需要保证光照和拍摄环境的稳定性和一致性,利用高清相机进行拍摄,同时根据猪所处的环境和光照条件进行相机参数的调整。

然后通过图像预处理技术对采集到的图片进行处理,包括灰度化、滤波、二值化等操作,去除噪声和干扰,提高图像清晰度和对比度,为后续图像分割和特征提取做好准备。

(二)图像分割与特征提取图像分割是指将图像中不同的物体分离开来,获取物体的轮廓和边缘信息,进而提取物体的特征信息。

对于猪体重分析而言,通过图像分割可以将猪的轮廓和背景分离开来,进而提取出猪的尺寸和面积等特征。

主要采用基于边缘检测、区域生长、分水岭算法等方法进行图像分割。

特征提取是指从图像中提取出有代表性的特征信息,为后续的分类和识别打下基础。

常用的特征提取方法包括傅里叶变换、小波变换、灰度共生矩阵和局部二值模式等。

(三)体重估计与模型训练经过图像分割和特征提取后,得到了猪体型特征和重要指标,通过建立回归模型,将各项指标转化为体重数据,并进行模型训练。

回归模型是指通过大量的训练数据,建立一个数学模型,实现对因变量(即猪的体重)的预测。

通常采用多元线性回归模型、逻辑回归模型等,通过交叉验证等方法选择最优模型。

一种基于计算机视觉识别的生猪监管方法及系统[发明专利]

一种基于计算机视觉识别的生猪监管方法及系统[发明专利]

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202010116562.8(22)申请日 2020.02.25(71)申请人 成都睿畜电子科技有限公司地址 610000 四川省成都市天府新区华阳街道天府大道南段846号(72)发明人 黄金磊 吴海玲 卫燕峻 原明卓 何正 金皇 (74)专利代理机构 成都弘毅天承知识产权代理有限公司 51230代理人 杨保刚(51)Int.Cl.G06Q 50/02(2012.01)G06Q 40/04(2012.01)G06T 7/10(2017.01)G06T 7/60(2017.01)G06N 3/04(2006.01)(54)发明名称一种基于计算机视觉识别的生猪监管方法及系统(57)摘要本发明公开了一种基于计算机视觉识别的生猪监管方法及系统,涉及牲畜交易监管领域。

具体的,获取通过通道的猪只的第一视频数据,通过计算机视觉技术获取第一视频数据中每帧图像上的猪只位置,得到猪只位置信息;通过追踪算法对猪只位置信息进行处理,得到猪只数量信息;通过实例分割算法对猪只位置信息进行处理,代入猪只体表模型,得到单只猪重量信息;将单只猪的体重数据进行统计处理,得到总重和均重;将第一视频数据、猪只数量信息、单只猪重量信息、均重信息上传至企业平台。

本发明能够有效解决人工盘点耗时,人工盘点错误等问题,使得出猪环节更加的公正和透明。

权利要求书1页 说明书6页 附图1页CN 111369378 A 2020.07.03C N 111369378A1.一种基于计算机视觉识别的生猪监管方法,其特征在于:获取通过通道的猪只的第一视频数据,通过计算机视觉技术获取第一视频数据中每帧图像上的猪只位置,得到猪只位置信息;通过追踪算法对猪只位置信息进行处理,得到猪只数量信息;通过实例分割算法对猪只位置信息进行处理,代入猪只体表模型,得到单只猪重量信息;将单只猪的体重数据进行统计处理,得到总重和均重;将第一视频数据、猪只数量信息、单只猪重量信息、均重信息上传至企业平台。

基于双目视觉的猪体体尺参数提取算法优化及三维重构共3篇

基于双目视觉的猪体体尺参数提取算法优化及三维重构共3篇

基于双目视觉的猪体体尺参数提取算法优化及三维重构共3篇基于双目视觉的猪体体尺参数提取算法优化及三维重构1近年来,基于双目视觉的猪体尺参数提取算法在猪育种中应用越来越广泛。

通过利用猪体图像的立体信息,可以准确地提取出猪的身高、体长、胸围等参数,以辅助猪育种工作,进而提高猪的育种效率。

但是,由于生物体的形态复杂且多变,以及猪体表面的毛发、皮肤等干扰因素的存在,猪体尺参数的提取一直存在误差率较高的问题。

因此,如何优化猪体尺参数提取算法,并实现三维重构,已经成为研究的热点。

本文旨在提出一种基于双目视觉的猪体尺参数提取算法,并进行优化,最终实现猪的三维重构。

该算法的基本思路是,通过采集猪的左右两个视图图像,进行图像预处理,包括去除背景、提取猪体等操作,再利用立体匹配算法,计算出左右两张图像之间的视差信息。

根据视差信息,可以得到猪体上各个点的三维坐标,进而实现对猪体尺参数的提取。

具体流程如下:1. 采集猪的左右两个视图的图像,并进行图像去除背景处理。

这一步的目的是将猪体的轮廓从背景中分离出来,以便后续的猪体提取操作。

2. 猪体提取。

本文采用基于深度学习的猪体识别算法,对猪体进行提取。

该算法的基本思路是,通过训练深度神经网络,学习对猪体的特征进行提取,从而实现对猪体的自动分割。

3. 立体匹配。

通过计算左右两张图像之间的视差信息,得到猪体各点的三维坐标。

该算法采用经典的立体匹配算法,包括基于像素的区域匹配算法、基于特征的匹配算法、基于能量最小化的匹配算法等。

4. 猪体尺参数提取。

通过计算猪体各点的三维坐标,可以得到猪的身高、体长、胸围等参数,并实现对猪体的三维重构。

本文对上述算法进行了优化,主要从以下几个方面入手:1. 图像预处理优化。

本文采用了更加高效的图像去除背景算法,能够准确地将猪体从背景中分离出来。

2. 立体匹配算法优化。

本文采用了基于深度学习的立体匹配算法,在计算视差时能够更加准确地匹配猪体各点之间的对应关系。

基于计算机视觉技术育肥猪体重分析研究_张凯

基于计算机视觉技术育肥猪体重分析研究_张凯

得到猪的侧视图像 ,并 根 据 贴 在 猪 身 的 黑 色 矩 形 参 考 板计算出猪的侧视面积; 利用最小二乘法、逐步回归
收稿日期: 2016 - 04 - 20 基金项目: “十二五”国家科技支撑计划项目( 2014BAD08B05) 作者简介: 张 凯 ( 1989 - ) ,男,山 东 烟 台 人,硕 士 研 究 生,( E -
较小的对象 ,得到经 过 图 像 分 割 及 形 态 学 处 理 后 的 图
像,如图 3( d) 所示。
1. 5 面积公式推导
测量图像内猪体 面 积 的 常 用 法 是 像 素 计 数 法 ,就
是统 计 边 界 及 其 内 部 的 像 素 的 总 数 ,即 为 面 积,计 算
公式为
NM
A = ∑ ∑ f( x,y)
的提取提供条件。
为了能够把猪从 背 景 图 像 中 准 确 分 割 出 来 ,首 先
要分析猪的颜色 分 布 特 征 。 猪 的 颜 色 偏 淡 红 色 ,也 就
是猪的红色分量 R 较大,绿色分量 G 和蓝色分量 B 偏
小; 背景区域为深黑色和灰色,红色分量 R、绿色分量
G 和蓝色分量 B 的值大小一致。经过综合比较分析,
避免 这 种 情 况,为 图 像 的 形 态 学 处 理 提 供 便 利 ,分 割
结果如图 3( c) 所示。
经过图像分割后对图像取反得到所需的二值图
像。由于实验是在猪场内部进行的,背 景 较 为 复 杂,
分割后的图像不是 理 想 情 况 ,因 此 需 要 使 用 形 态 学 基
本运算对 经 过 分 割 后 的 二 值 化 图 像 做 形 态 学 处 理。
2017 年 5 月
农机化研究
第5 期

基于机器视觉技术的生猪活体监测系统

基于机器视觉技术的生猪活体监测系统

Monitoring system for liVestock growth based on machine Vision technology
CHEN Jing.Jing,PENG Yan—Kun4
tCollege《Engineer{ng,Chinn AgncuitHynl Universily,Be勺tng、啷3,Chin∞
第3卷第6期 2012年12月
食品安全质量检测学报 Joumal of Food Safbty and Quality
Vbl.3 No.6 Dec..2012
基于机器视觉技术的生猪活体监测系统
陈菁菁,彭彦昆+
(中国农业大学工学I党北京 100083)
摘 要:目的 通过图像处理技术计算活体猪的体型特征参数值,结合体重参数对生猪出栏肉产量进行预测。 方法采用工业摄像头获取活体猪的图像,采用Matrox公司图像采集卡并对其在Vc++开发环境中进行二次 开发,开发了一套基于机器视觉技术的畜禽活体检测系统。结果 实现活体猪不同角度图像的同界面显示和采 集,并基于Microsoft visual 2008软件平台开发了系统操作界面。结论该套系统结构简单,成本低廉,具有较 好的推广应用前景。 关键词:活体检测;机器视觉;肉产量
ABSTRACT:objective Tb develop a set of monitoring 1iVestock growth imaging system based on machine vision techn0109y.Method Images of pigs for analysis were collected using two low 1ight CCD Video cameras.Image processing techn0109y was used to calculate the body dimensions of pigs.Pig’s dimensions and weight were used to predict the post-mortem meat production.Results T访o Matrox video capture cards were used and secondaIy developed based on VC++to realize image display,save and calculate.A system operation interface was developed based on Microsoft visual 2008.ConcIusion The monitoring system is simple,

基于KinectV2_的猪体三维点云重构与体尺测量

基于KinectV2_的猪体三维点云重构与体尺测量

第 23卷第 1期2024年 1月Vol.23 No.1Jan.2024软件导刊Software Guide基于KinectV2的猪体三维点云重构与体尺测量李哲,林文祉,翁智,郑志强(内蒙古大学电子信息工程学院,内蒙古呼和浩特 024005)摘要:体尺参数是评价育肥猪生长状况的重要指标,针对单目CCD相机在猪体体尺测量中受角度、光源等因素影响导致的测量参数单一、测量结果误差较大等问题。

首先利用深度相机KinectV2从正上方和左右两侧视角同步获取猪体局部点云数据;然后进行点云去噪、精简分割等处理,运用改进后的ICP点云配准技术处理点云信息;最后采用精确估算技术精简点云数据。

在不同角度比较实验测量与人工测量的结果发现,猪体数据中体长平均相对误差为2.65%、体高平均相对误差为1.87%、体宽平均相对误差为1.75%、臀高平均相对误差为2.07%、臀宽平均相对误差为1.96%,整体上误差较小,证明了所提方法的有效性,以期为猪体尺寸测量提供新的解决方法。

关键词:育肥猪;图像处理;KinectV2;三维点云;体尺测量DOI:10.11907/rjdk.232094开放科学(资源服务)标识码(OSID):中图分类号:TP391 文献标识码:A文章编号:1672-7800(2024)001-0161-06KinectV2-based 3D Point Cloud Reconstruction and Body SizeMeasurement of Pig BodyLI Zhe, LIN Wenzhi, WENG Zhi, ZHENG Zhiqiang(School of Electronic and Information Engineering, Inner Mongolia University, Hohhot 024005, China)Abstract:Body size parameter is an important indicator for evaluating the growth status of fattening pigs. It addresses the problems of single measurement parameters and large measurement errors caused by factors such as angle and light source in pig body size measurement using a monocular CCD camera. Firstly, use the depth camera KinectV2 to synchronously obtain local point cloud data of the pig body from the top and left and right perspectives; Then, point cloud denoising, simplification and segmentation are carried out, and the improved ICP point cloud registration technology is used to process point cloud information; Finally, precise estimation techniques are used to streamline point cloud da⁃ta. Comparing the results of experimental and manual measurements from different angles, it was found that the average relative error of body length was 2.65%, the average relative error of body height was 1.87%, the average relative error of body width was 1.75%, the average rela⁃tive error of hip height was 2.07%, and the average relative error of hip width was 1.96% in pig body data. Overall, the error was relatively small, proving the effectiveness of the proposed method and providing a new solution for pig body size measurement.Key Words:growing and fattening pigs; image processing; KinectV2; 3D point cloud; body size measurement0 引言育肥猪养殖生产过程中连续监测猪体尺参数,能有效掌握猪的生长状态,是反映猪体健康与否的有效手段,是保证动物福利的有力工具。

一种基于图像处理的猪只体重测量方法、装置及存储介质[发明专利]

一种基于图像处理的猪只体重测量方法、装置及存储介质[发明专利]

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202010543162.5(22)申请日 2020.06.15(71)申请人 安徽工大信息技术有限公司地址 243000 安徽省马鞍山市霍里山大道北段698号马鞍山软件园2栋801室申请人 安徽工业大学(72)发明人 邰伟鹏 冷勇 桂再鑫 (74)专利代理机构 安徽知问律师事务所 34134代理人 王亚军(51)Int.Cl.G06K 9/00(2006.01)G06K 9/32(2006.01)G06K 9/46(2006.01)G06K 9/54(2006.01)G06K 9/56(2006.01)G06K 9/62(2006.01)A01K 29/00(2006.01)(54)发明名称一种基于图像处理的猪只体重测量方法、装置及存储介质(57)摘要本发明公开了一种基于图像处理的猪只体重测量方法、装置及存储介质,属于猪只体重测量技术领域。

针对现有技术中存在的猪只称重过程中耗费大量人力物力的问题,本发明提供了一种基于图像处理的猪只体重测量方法、装置及存储介质,测量方法包括以下步骤:对猪只图像进行预处理;对预处理后的猪只图像进行猪脸特征识别,判断是否存在完整的猪脸特征,若存在,则提取猪脸图像中的特征数据;将猪脸图像的特征数据与预设特征权重模型进行匹配,得到该猪脸图像对应的猪只体重。

本发明能够根据采集到的猪脸图像计算出对应猪的体重,无需人工进行干预,提高了生产效率,降低人工的成本。

权利要求书2页 说明书8页 附图6页CN 111639629 A 2020.09.08C N 111639629A1.一种基于图像处理的猪只体重测量方法,其特征在于,包括以下步骤:对猪只图像进行预处理;对预处理后的猪只图像进行猪脸特征识别,判断是否存在完整的猪脸特征,若存在,则提取猪只图像中的特征数据;将猪脸图像的特征数据与预设特征权重模型进行匹配,得到该猪脸图像对应的猪只体重。

基于机器视觉的母猪体重估测

基于机器视觉的母猪体重估测

电子技术与软件工程Electronic Technology & Software Engineering计算机与多媒体技术Computer And Multimedia Technology 基于机器视觉的母猪体重估测文/武尧 刘振宇 谷亚宁 赵惠瑾(山西农业大学信息科学与工程学院 山西省太谷县 030801 )摘 要:本文通过改进PBAS 前景检测算法和Canny 边缘值检测算法来检测、获取环境阴暗潮湿的猪舍中运动缓慢的母猪图像,并通 过建立评估模型估测其母猪体重数据从而判断母猪生长健康情况。

选取150头长白母猪进行试验,结果表明建立的体重估测模型其R2为 0.945,平均相对误差为3.4%。

该文从机器视觉角度探索了母猪体征识别,为无应激的母猪个体健康监测提供了新方法,也为进一步探索 群养猪个体等奠定了基础。

关键词:机器视觉;估测模型;母猪体重利用计算机视觉技术检测动物的生长发育、行为特征能更好为 动物提供优良的生长环境,减少外界的应激刺激。

基于机器视觉技 术和数字图像分析技术的发展。

据H.Minggaw a 研究显示动物的体 重与其体积和投影面积有很大的相关性,他利用投影在猪身上的网 格线的视差与猪体高的非线性关系近似估计其体高,并利用经验公式计算猪的体重。

1算法原理1. 1母猪图像区域提取方法其中,ging)为记录相似度最小距离值数组D(Xj 的均值。

背景复杂度控制判断阈值R (X,)和学习率更新T(x,)公式为:R(xJ =(R(Xi) - (1 — Rinde), lR(Xi) - (1 — Rinde),R(xJ > COM(xJ • Rscaie其他(3)其中,R ’证为R(xJ 单次更新的变化幅度,〜怡为调整背景复杂度d min (x.)的尺度因子,二者均为预先设定的固定值。

1.1」优化前景学习由于PBAS 算法是针对单个像素进行的统计背景建模,并在此 基础上进行前景检测,所以当待测目标面积大或者运动缓慢时,会 得到一个不完整的前景,从而降低了算法的检测率。

计算机视觉系统应用于猪生产养殖过程

计算机视觉系统应用于猪生产养殖过程

计算机视觉系统应用于猪生产养殖过程作者:杨芸来源:《科技资讯》 2013年第25期杨芸(宁波工程学院电信分院浙江宁波 315010)摘要:本文阐述了机器视觉的原理、组成以及机器视觉技术在母猪养殖过程监测、辅助判断及幼猪的生长状况监测方面的应用。

主要讨论通过CCD摄像机摄取采集动态母猪发情期原始图像,通过图像采集卡,经中值滤波,进行灰度化处理,成为黑白灰三值化图像,通过阈值的调节,可以分别提取母猪发情、怀孕、生产的图像信息。

将计算机视觉系统用在母猪场,有效地帮助从业人员更加客观、精准地评估整个母猪的生产过程。

关键词:计算机视觉母猪分泌物监测与判断红外传感器图像处理中图分类号:TP391.41 文献标识码:A 文章编号:1672-3791(2013)09(a)-0014-02计算机视觉技术的不断发展,已经应用到许多行业,其本质基于视觉系统,利用图像分析自动分类,分析,检测。

计算机视觉是使用光学器件进行非接触感知,自动获取和解释一个真实场景的图像,以获取信息或过程。

测量精准、稳定、大幅度提高生产效率,实现信息集成,是实现计算机集成制造的核心技术之一。

这篇文章主要讨论将计算机视觉系统用在母猪养殖场,帮助从业人员更加客观、精准地评估整个母猪的生产过程。

自动化意味着,系统操作靠指令,处理控制效率高。

而自动化系统高速、精确完全依赖于仪器设备的性能。

1 计算机视觉的原理计算机视觉系统一般由五部分组成:光源照明、摄像机、图像采集板,计算机硬件、软件。

光照系统是控制计算机视觉系统的重要组成部分,照明的目的就是提供与外观一致、增强待处理的物体物理特征、减少不需要关注的物体和噪声的干扰,照明光源一般选择卤素灯,氙灯,LED。

根据不同对象的要求选择不同的照明方式,照明光源有五种,我们这里采用其中一种散射照明光源,该光源较适合我们此项目的研发,散射照明先把光投射到粗糙的遮盖物上,比如漫射板,产生无方向、柔和的光,然后再投射到被检测物体上,进而利用很多技术来优化检测结果。

基于计算机视觉技术的生猪体重智能

基于计算机视觉技术的生猪体重智能

基于计算机视觉技术的生猪体重智能估测研究进展孔娟娟1,刘桂民1,邓浩然1,周学利2,王龙1,管博伦1,钱蓉1∗㊀(1.安徽省农业科学院农业经济与信息研究所,安徽合肥230032;2.安徽省农业科学院畜牧兽医研究所,安徽合肥230032)摘要㊀为了避免因人工测量生猪体重给生猪带来较严重的应激反应,影响生猪身体健康,严重时导致生猪死亡㊂综述了计算机视觉技术在生猪体重智能估测方面的研究进展,通过相机获取生猪2D或3D图像数据,提取生猪体长㊁体高㊁腹围宽㊁胸围宽和背部面积,基于线性函数㊁偏最小二乘法函数㊁RBF㊁MLP等非线性函数,对生猪体重自动预测模型进行研究,实现非接触式生猪体重估测,能及时㊁快速且无伤害地获取生猪体重信息㊂对比分析各项相关研究报道可知:线性预测模型的准确率明显低于非线性预测模型,且基于非线性函数构建的体重估测模型的平均误差小于5%,与实际体重的平均相关性约0.97,说明生猪非接触式体重估测方法的可行性,为生猪的精准饲养管理提供了一种有效的监测手段,减少人力资源损耗,提高生猪养殖福利㊂关键词㊀非接触式;体重估测;图像处理;模型;3D中图分类号㊀S818.9㊀㊀文献标识码㊀A㊀㊀文章编号㊀0517-6611(2022)23-0008-03doi:10.3969/j.issn.0517-6611.2022.23.003㊀㊀㊀㊀㊀开放科学(资源服务)标识码(OSID):ResearchProgressonIntelligentEstimationofPigBodyWeightBasedonComputerVisionTechnologyKONGJuan⁃juan,LIUGui⁃min,DENGHao⁃ranetal㊀(InstituteofAgriculturalEconomicsandInformation,AnhuiAcademyofAgri⁃culturalSciences,Hefei,Anhui230032)Abstract㊀Inordertoavoidseriousstressresponsetopigsduetomanualmeasurementofpigbodyweight,whichwillaffectthehealthofpigs,andevenleadtodeathofpigsinseverecases.Theresearchprogressofcomputervisiontechnologyinintelligentestimationofpigbodyweightisreviewed.The2Dor3Dimagedataofpigsareobtainedthroughcameras,andthebodylength,bodyheight,abdominalwidth,chestcircumferenceandbackareaofpigsareextracted.Basedonlinearfunctions,partialleastsquaresMultiplicationfunction,RBF,MLPandoth⁃ernonlinearfunctionsareusedtostudytheautomaticpredictionmodelofpigbodyweight,realizenon⁃contactpigweightestimation,andob⁃tainpigbodyweightinformationinatimely,fastandharmlessmanner.Comparativeanalysisofvariousrelatedresearchreportsshowsthattheaccuracyofthelinearpredictionmodelissignificantlylowerthanthatofthenonlinearpredictionmodel,andtheaverageerroroftheweightes⁃timationmodelconstructedbasedonthenonlinearfunctionislessthan5%,andtheaveragecorrelationwiththeactualweightisabout0.97.Thefeasibilityofthenon⁃contactweightestimationmethodforlivepigsisillustrated,anditprovidesaneffectivemonitoringmethodfortheprecisefeedingandmanagementoflivepigs,reducesthelossofhumanresources,andimprovesthewelfareoflivepigs.Keywords㊀Non⁃contact;Weightestimation;Imageprocessing;Model;3D基金项目㊀农业大数据研究与应用团队项目(2022YL038);安徽省农业科技成果转化应用专项项目(2021ZH005);六安市产学研合作重大专项项目(2020年)㊂作者简介㊀孔娟娟(1979 ),女,安徽肥东人,助理研究员,硕士,从事农业信息学研究㊂∗通信作者,副研究员,硕士,从事畜牧信息化研究㊂收稿日期㊀2022-07-22㊀㊀生猪体重是生产者衡量生猪品质的重要依据,也是管理生猪生长㊁健康和上市销售的重要指标,是制定科学饲养决策的必备条件[1],特别是及时估测出育肥猪的体重,决定利润至关重要,因为这可以让猪肉生产商在降低劳动力和饲料成本的同时,对群养猪做出正确的营销决策㊂安徽农业大学丁月云等[2-3]研究发现母猪胸围㊁体长㊁体高等体尺性状不仅与繁殖性状相关,也与妊娠母猪的生长状况㊁仔猪的初生质量有很大相关性,对种猪的选种育种有较大指导作用㊂徐宁迎等[4-6]通过接触式方法预估动物活体的体重㊁体尺等生长性状,验证了动物体重与体型和各个生长性状间存在相关性㊂孟庆利等[7]采用对比分析方法发现体尺参数作为种猪选育指标,能提高种猪的选种准确性,为种猪育种工作重要的参考依据㊂Nakavisut等[8]提出体长可以作为评价母猪的生长状况和繁殖性状的标准之一㊂由此可知,体重体尺是生猪生产的重要因素㊂刘同海等[9]选用52头120日龄左右的种猪为研究对象,手工测量体长㊁体高㊁体宽㊁臀宽㊁臀高㊁背膘厚㊁眼肌厚,研发RBF神经网络模型,智能预测种猪体重,预测值与实际值之间相关系数高达0.998,证明了猪活体重与生长性状有着很强相关性㊂在实际生产中,体重是人工或采用体重箱㊁磅秤㊁地秤测量等电子设备称量而得,体尺是人工依据主观经验目测或用皮尺测量㊂这种接触式体重体尺测量方式不仅耗时耗力,且对生猪产生较大应激反应,影响生猪健康发展,也不符合动物福利养殖要求[10]㊂同时,在测量过程中因生猪姿态㊁猪笼大小等条件限制,导致测量误差较大,测量结果具有局限性[11]㊂因此,接触式测量方法难以满足生产产业发展需求㊂该研究重点介绍计算机视觉技术在生猪非接触式体重智能测定方面研究与应用,截至目前,已有多位学者开展相关工作,为非接触式体重估测研究提供研究依据㊂现有研究表明,通过提取图像中生猪体长㊁体高㊁腹围宽㊁胸围宽和背部面积等特征,基于线性函数或非线性函数,研发体重自动估测模型,可实现非接触式生猪体重估测,但受试验数据采集条件和模型泛化能力影响,研究结果未能推广使用㊂1㊀接触式体重估测黄家圣等[12]手工测量二元杂种肥猪的体长㊁胸围和体重数据,采用公式(1)预测肥猪体重,根据猪只的营养情况不同,营养良好的为129,营养中等的为111,营养不良的为93㊂Johnson于1994年发表公式(2),孙宗德[13]通过试验证明该公式较适用苏白猪㊁苏杂猪㊁巴克夏猪,对杜洛克及其杂交猪则误差较大,人工测量97头杜洛克杂交猪的体尺㊁胸围和体㊀㊀㊀安徽农业科学,J.AnhuiAgric.Sci.2022,50(23):8-10重数据,建立二元一次方程式,如公式(3)所示㊂李铁宝等[14-15]测量生猪的体长㊁胸围㊁体高㊁臀围㊁腹围等体尺指标,任选多个指标构建多元一次方程,依据实际体重值获得自变量系数,进而构建体重估测线性模型,结果证明实验室环境下,基于单个测量体尺的回归方程可以准确预估育肥猪体重㊂李剑秋[16]研究大约克猪估重模型时也选择了体长㊁体高㊁胸围和腹围4个指标,腿围数据,利用逐步回归分析法建立预测体重的多元回归数学模型,回归方程如公式(4)所示㊂对比上述研究报道可知,体重预估值与体尺性状指标数增多,估重的准确性更高㊂y=体长ˑ胸围93或111或129(1)y=胸围2ˑ体长14400(2)y=0.6272ˑ体长+1.1514ˑ胸围-107.9579(3)y=-155.29+0.2236体长+1.1458体高+0.9472胸围+0.7007腿围(4)2㊀非接触式体重估测接触式体重估测增加饲养员工作量,也给生猪带来较大的应激反应㊂同时,在测量过程中因生猪行走㊁跪立等姿势,导致手工测量误差较大,使得估测值与实际体重的相关性较低㊂采用非接触式体重估测方法,可不受生猪的姿态影响,避免饲养员手工测量,也符合动物福利养殖的要求㊂2.1㊀传统CV估测算法研究㊀Minagawa等[17]先后通过提取生猪背部图像面积大小,找出背部面积和体重间相关性,研发生猪体重估测模型,获得估测体重的平均误差小于5%㊂White等[18]分别用VIA系统和FIRE系统监测生猪的生长率,以背部面积和轮廓的大小为自变量,构建线性自动估重模型,发现因生猪姿势变化导致估重值产生偏差,具有重要指导意义㊂Parsons等[19]于2007年研发出基于模型的㊁用于猪生长和污染物排放综合控制的实时闭环原型系统和测试,每个试验阶段生猪体重都是实时通过视觉图像分析系统获取,线上估测的平均误差<3.5%㊂Wang等[20]2006年利用图像处理技术从二维图像矩阵中提取猪后部面积㊁中间宽度等物理形态特征,并将它们与活重关联起来构建模型,试验结果表明投影面积与猪重的相关性最好㊂该团队[21-22]于2008年开发了一种基于图像的步行系统,无需将猪限制在固定成像的特定区域,使用人工神经网络技术将步行图像中提取的外表特征与猪活体重关联起来,建立估测模型,试图提高活重估测的实用性,结果表明,该步行称重系统的平均相对误差在3%左右㊂杨艳等[23-24]利用数码摄像机获取种猪样本图像,采用域值分割法对图像进行分割,根据投影区域与参考系的比例关系估测种猪真实投影面积和体高,并建立了其与体重的回归方程,预测体重与实际称量体重的平均相对误差为3.2%㊂2018年,Jun等[25]从三方面提出了一种不同于以往研究的基于图像的猪体重估计方法㊂一是不限制猪的姿势和图像捕捉环境,减少了猪的压力;二是利用二维图像的特征,不依赖于三维深度信息㊂三是估计模型是利用机器学习的最新进展构建的㊂除了猪的面积作为估计的主要特征参数外,引入了与姿态相关的曲率和偏差两个新特征,从而能够量化权重调整㊂通过一组试验研究了特征和神经网络结构的组合对性能的影响㊂利用477张训练图像和103张测试图像,获得了平均3.15kg的估计误差,模型的决定系数R=0.792㊂Minagawa等[26]选用7头87日龄杂交品种猪为研究对象,开发了一种由摄像机㊁幻灯机和计算机组成的设备,通过成像和图像分析,从正上方获取图像数据,使用幻灯机提供印有黄色交叉线的红色载玻片,获得了一幅适合图像分析的清晰的猪图像,用图像分析软件获得猪的体高和背部投影面积,用多元回归方程构建预测模型,测量单头猪的高度和重量,平均误差为2.1%,组平均误差为1.3%㊂2.2㊀基于3D图像的体重估测㊀与2D图像相比,3D图像更完整,具有立体感,能表达出目标对象各个角度的细节特征,通常用深度相机采集,其成像原理主要分为3D结构光㊁TOF和双目立体视觉㊂随着深度相机价格不断下降,性能逐渐提升,被广泛应用到动物体型㊁体况及体重估测和行为自动识别等研究中,在实验室条件下取得较好成效㊂2.2.1㊀基于3D图像的线性估测模型㊂中国农业大学腾光辉团队的刘同海[27]采用多元线性回归㊁SMLR㊁RBF和PLS等方法,构建了猪体重估测模型,其中基于RBF神经网络的猪体重估测模型的R2为0.977,经对比分析发现非线性模型预测效果明显优于线性模型㊂Marchant等[28]开展了基于图像的猪体检测技术的研究,应用蛇算法改进了轮廓提取算法,提取出多个猪重叠的个体轮廓,有望改进多目标中单个轮廓的提取算法㊂2016年,Shi等[29]采用双目摄像机采集生猪图像,经重建和分割获得三维图像,估算出体背部面积和体重间关系,构建生猪体重估算模型,并验证得到生猪体长和肩高的相关性约为0.91 0.98,为后期研究提供参考㊂张建龙等[30]利用深度学习技术估测生猪体重,试验对比Xception㊁MobileNetV2㊁DenseNet201和ResNet152V2模型,其中DenseNet201估测效果最佳,在验证集上估测的相关系数为0.99,平均相对误差为1.57%㊂2.2.2㊀基于3D图像的非线性估测模型㊂双目视觉技术应用较为广泛,2014年,付为森等[31]已开始尝试运用双目视觉技术重建生猪立体图,探索生猪生长性状自动监测㊁体尺和体重间相关性㊂刘同海[27]分别采用偏最小二乘法和RBF神经网络算法建立估重模型,精度优于普通线性回归模型,通过试验对比,上述两种算法的估测精度优于线性模型,为基于双目视觉技术下的非接触式生猪体重估测研究奠定基础㊂中国农业大学腾光辉[27,32]团队先后使用双目视觉技术采集生猪三维图像数据,通过图像处理方法提取胸围㊁臀高㊁体长㊁体高㊁体宽等生长性状数据,分别基于线性函数㊁非线性函数㊁机器学习算法和深度学习算法等构建预测模型,猪体重估测值与实测值相关系数为97%,平均相对误差为2 5%,优于仅用背部面积估测模型㊂2014年,Kongsro[33]利用深度图像不需要太多校准工作,也不容易受到背景和光照等噪音影响的特点,基于微软Kinect摄像头技术,利用红外950卷23期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀孔娟娟等㊀基于计算机视觉技术的生猪体重智能估测研究进展图像深度值,设计了一个用于猪称重的原型,该系统成功地对长白羊和杜洛克两种不同纯种的体重进行了估计,与美国奥斯本的Fire系统称量体重值间平均误差在4% 5%㊂3 展望生猪体重一直倍受养殖户关注,传统体重称量方式地磅秤㊁过道秤和杆秤等工具人工称量,要求工人有一定体力才能胜任,称量过程耗时很久,同时,给生猪带来的应激反应更为严重㊂近年,计算机视觉技术快速发展,被成功应用到生猪产业发展中,基于2D或3D图像的生猪非接触式体重估测是典型应用之一㊂对比已有研究报道可知,利用图像处理技术分析生猪3D图像特征信息,提取体尺相关指标,通过卷积神经网络模型㊁PointNet++模型等非线性函数方法构建生猪自动估重模型,在实验室条件下估测效果更为理想㊂为了加速基于3D图像的非接触式生猪估重方法落地,应扩大研究对象范围,在猪场实际生产场景下采集数据,进而提高估重模型的泛化能力,有利于估重模型产品化,避免传统称量方法带来的生猪应激反应,进而减少生产损失,降低猪场运营的生产成本,可用于生猪生长过程的监测和研究,为生猪的精准饲养管理提供了一种有效的监测手段㊂参考文献[1]SCHOFIELDCP,MARCHANTJA,WHITERP,etal.Monitoringpiggrowthusingaprototypeimagingsystem[J].Journalofagriculturalengi⁃neeringresearch,1999,72(3):205-210.[2]丁月云,余大华,孟云,等.长白猪体尺性状与繁殖性状的典型相关分析[J].河南农业科学,2013,42(11):145-148.[3]张力,邵良平.杜长大杂交猪生长发育性能的性别差异性研究[J].家畜生态学报,2005,26(2):49-50.[4]徐宁迎,王先明,曹小英,等.长白猪主要选育性状间的典型相关分析[J].浙江大学学报(农业与生命科学版),2000,26(5):563-566.[5]ERATS.Applicationoflinear,quadraticandcubicregressionmodelstopredictbodyweightfromdifferentbodymeasurementsindomesticcats[J].Internationaljournalofagricultureandbiology,2011,13(3):419-422.[6]CHITRAR,RAJENDRANS,PRASANNAD,etal.PredictionofbodyweightusingappropriateregressionmodelinadultfemaleMalabarigoat[J].Veterinaryworld,2012,5(7):409-411.[7]孟庆利,王志云,张军,等.不同品种的后备种猪㊁头胎种猪和二胎种猪体尺指标相关性研究[J].养猪,2020(3):63-64.[8]NAKAVISUTS,CRUMPRE,GRASERHU.Bodylengthanditsgeneticrelationshipswithproductionandreproductiontraitsinpigs[C]//Pro⁃ceedingsofthe8thworldcongressongeneticsappliedtolivestockproduc⁃tion.BeloHorizonte,MG,Brasil:CD⁃ROM,2006:13-18.[9]刘同海,滕光辉,付为森,等.基于机器视觉的猪体体尺测点提取算法与应用[J].农业工程学报,2013,29(2):161-168.[10]刘同海,李卓,滕光辉,等.基于RBF神经网络的种猪体重预测[J].农业机械学报,2013,44(8):245-249.[11]OZKAYAS.AccuracyofbodymeasurementsusingdigitalimageanalysisinfemaleHolsteincalves[J].Animalproductionscience,2012,52(10):917.[12]黄家圣,宗志才,崔名标,等.二元杂种育肥猪体重估测公式的建立[J].江苏农业科学,1993,21(4):55-57.[13]孙宗德.杜洛克杂交生长猪体重估测方法[J].新疆农垦科技,1987(4):20-21.[14]李铁宝,张儒良,李胜仁.贵州地方母猪体重体尺相关性研究[J].贵州农业科学,1996,24(5):47-50.[15]OCHOAZARAGOZALE.Evaluationoftheaccuracyofsimplebodymeasurementsforliveweightpredictioningrowing⁃finishingpigs[D].Champaign:UniversityofIllinoisatUrbana⁃ChampaignAnimalSciences,2010.[16]李剑秋.应用逐步回归法估测猪体重的研究[J].浙江畜牧兽医,2002,27(1):4-5.[17]MINAGAWAH,HOSONAD.Alightprojectionmethodtoestimatepigheight[C].DesMoines:ASAE,2000.[18]WHITERP,SCHOFIELDCP,GREENDM,etal.Theeffectivenessofavisualimageanalysis(VIA)systemformonitoringtheperformanceofgrowing/finishingpigs[J].Animalscience,2004,78(3):409-418.[19]PARSONSDJ,GREENDM,SCHOFIELDCP,etal.Real⁃timecontrolofpiggrowththroughanintegratedmanagementsystem[J].Biosystemsengi⁃neering,2007,96(2):257-266.[20]WANGYS,YANGW,WINTERP,etal.Non⁃contactsensingofhogweightsbymachinevision[J].Appliedengineeringinagriculture,2006,22(4):577-582.[21]WANGYS,YANGW,WALKERLT,etal.Enhancingtheaccuracyofar⁃eaextractioninmachinevision⁃basedpigweighingthroughedgedetection[J].Internationaljournalofagriculturalandbiologicalengineering,2008,1(1):37-42.[22]WANGSY,YANGW,WINTERP,etal.Walk⁃throughweighingofpigsusingmachinevisionandanartificialneuralnetwork[J].Biosystemsengi⁃neering,2008,100(1):117-125.[23]杨艳,滕光辉,李保明.利用二维数字图像估算种猪体重[J].中国农业大学学报,2006,11(3):61-64.[24]杨艳,滕光辉,李保明,等.基于计算机视觉技术估算种猪体重的应用研究[J].农业工程学报,2006,22(2):127-131.[25]JUNK,KIMSJ,JIHW.Estimatingpigweightsfromimageswithoutcon⁃straintonpostureandillumination[J].Computersandelectronicsinagri⁃culture,2018,153:169-176.[26]MINAGAWAH,TAIRAO,NISSATOH.Acolortechniquetosimplifyim⁃ageprocessinginmeasurementofpigweightbyahands⁃offmethod[C].Raleigh,NC:ASAEPublication,2003.[27]刘同海.基于双目视觉的猪体体尺参数提取算法优化及三维重构[D].北京:中国农业大学,2014.[28]MARCHANTJA,SCHOFIELDCP.Extendingthesnakeimageprocess⁃ingalgorithmforoutliningpigsinscenes[J].Computersandelectronicsinagriculture,1993,8(4):261-275.[29]SHIC,TENGGH,LIZ.Anapproachofpigweightestimationusingbin⁃ocularstereosystembasedonLabVIEW[J].Computers&electronicsinagriculture,2016,129:37-43.[30]张建龙,冀横溢,滕光辉.基于深度卷积网络的育肥猪体重估测[J].中国农业大学学报,2021,26(8):111-119.[31]付为森,滕光辉.基于双目视觉技术的猪生长监测系统标定模式[J].农业机械学报,2009,40(S1):223-227.[32]李卓.基于立体视觉技术的生猪体重估测研究[D].北京:中国农业大学,2016.[33]KONGSROJ.EstimationofpigweightusingaMicrosoftKinectprototypeimagingsystem[J].Computersandelectronicsinagriculture,2014,109:32-35.01㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀安徽农业科学㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀2022年。

基于计算机视觉的母猪运动规律分析

基于计算机视觉的母猪运动规律分析

第14期2020年7月无线互联科技WirelessInternetTechnologyNo.14July,2020基金项目:山西农业大学青年科技创新项目;项目名称:基于机器视觉的母猪发情检测研究;项目编号:2019025。

作者简介:刘怡然(1993—),女,山西太原人,助教,硕士;研究方向:畜牧信息化。

基于计算机视觉的母猪运动规律分析刘怡然,马亚州,张 勇,张宏娇(山西农业大学信息科学与工程学院,山西 太谷 030801)摘 要:母猪作为猪场的主要生产力,担负繁育仔猪的职责,其行为及健康受到养殖户和行业专家的重视。

文章基于机器视觉技术,分析猪场的监控视频,通过对猪轮廓数据的计算,辅以速度、加速度、位移以及其正负变化趋势等运动的行为参数,用于判定发情母猪是否处于活跃状态。

针对俯视视频进行运动目标检测以及图像预处理,再对前景目标进行椭圆拟合,得到运动中心坐标,从而提取位移等运动参量,以建立运动模型。

通过分析发情母猪的运动特征,运用差分算法分析数据差异性,得到母猪发情期运动规律,可作为健康状况分析和发情状态监测的重要数据支撑。

关键词:运动目标检测;运动分析;差分算法;运动特征差异性0 引言中国是世界上第一大猪肉生产国和消费国,猪肉是人们日常饮食中首选肉类膳食,其市场供应量和产品质量与人民的健康生活密切相关,生猪养殖在我国畜牧业中占据着举足轻重的地位。

母猪的生产管理是生猪养殖环节中重要一环,其健康不仅关系到自身繁殖率和生产力,还关系到仔猪的出生和健康。

然而,母猪能否正常繁殖的前提在于母猪发情是否正常,因此,在一定的时间范围内正确地鉴别与判断母猪发情状态是提高母猪生产率的技术关键。

在我国规模化、集约化生猪养殖场中,一般都采用限位栏饲养模式,对母猪的健康及发情状态信息的监控与采集主要依靠饲养员的连续观察,人力负担繁重,主观性强且精度较低。

近年来,研究人员将关注点放到了母猪的行为及健康状态上,大部分是针对母猪运动、分娩、母性行为等角度展开,监测方法也由人力朝电子测量、视频监测和声音监测等方向发展[1]。

利用计算机视觉技术估测种猪体重

利用计算机视觉技术估测种猪体重

R=2.8%
误差产生的来源主要有:1)客观条件带来的误差,在用电 子秤测量体重时,猪的来回晃动给数据的读取带来一定的误 差。2)由于实际条件的限制,图像的分割和处理效果带来 的误差。
发展趋势:
(1)实验条件 (2)硬件设备 (3)软件算法
本研究是利用二维参数来测量体重,由于动物的形态特征 比较复杂,单纯的二维方法并不能完全反映它们的形态特 征,因此力于寻求一种更精确的3D方法。从获取的二维投 影图像中提取动物的三维结构信息,这样可以更加准确地 测量出物体的几何参数,进而估计出其他的形态学参数 (如体长,体高,胸围,体重等),并且还能连续监测动 物的行为,预估出它们的生长模型,从而更加有效地改善 动物的生长环境,提高生产效益。
(4)图像分割:我们在这里选用阈值分割算法来分割图
像,选取象素的颜色分量来进行阈值分割的效果较好 。
颜色分量分析:我们根据图像的红r绿g蓝b三个分量,构 建一个图像D,该图像突出背景部分,减小前景部分:
计算阈值 :根据直方图选择阈值
象素个数
4
x 10 10
9 8 7 6 5 4 3 2 1 0
可以实时连续地监测家畜的体重,测量其形态参数。 有效地显示了家畜生长环境以及它们的行为变化,为
环境调控提供依据。 帮助饲养者观测家畜的生长率,以便控制饲料,调节
营养结构,减少废弃物的排放。 有助于根据生长率判断健康状况,有利于日后的选种
和育肥以及选择最佳的屠宰时间。 饲养者有更多的时间观察家畜的健康和福利。大大了
节省了人力物力,提高了生产效益和市场效益。
二、研究方法
(1)构造计算机视觉硬件系统
红外电子耳号 装置
环境参数采集 装置
(2)图像采集

基于移动视角的猪的体重和膘情变化检测方法与相关技术

基于移动视角的猪的体重和膘情变化检测方法与相关技术

图片简介:为了解决现有技术中存在的上述技术问题,本技术介绍了一种基于移动视角的猪的体重和膘情变化检测方法,用枪机拍摄肉猪俯视图并检测猪头尾关键点,根据猪头尾关键点坐标调用球机拍摄肉猪的后视图和侧视图,用猪身关键点检测网络检测猪身关键点,用猪轮廓语义分割网络检测肉猪轮廓,根据肉猪后视图、侧视图中肉猪身关键点和肉猪后视轮廓图、侧视图轮廓图优化肉猪标准三维模型,根据优化后的最优猪三维模型的数据得出肉猪的膘情和体重,对每个肉猪的体重和生长速度进行统计,根据出栏效益公式得到肉猪的出栏效益。

可实现无接触的肉猪体重和膘情检测,并进行出栏决策。

技术要求1.一种基于移动视角的猪的体重和膘情变化检测方法,其特征在于,包括以下步骤:建立猪舍的BIM;建立肉猪标准三维模型;在猪舍顶部设置俯视的枪机,在猪舍周围设置轨道,在轨道上设置若干个可移动球机;在BIM地面平面上建立二维轨道模型,通过球机的传感器获得每个球机在与轨道等高平面上的二维坐标,将球机的坐标信息输入BIM里,得到每个球机在BIM地面平面上的坐标;用顶部枪机采集肉猪俯视图,输入猪头尾关键点检测网络标注肉猪头尾关键点,输出肉猪头尾关键点热力图;将肉猪头尾关键点热力图投影在BIM地面平面上并计算肉猪头尾关键点的二维坐标;计算BIM地面平面上以肉猪头部关键点为端点且经过肉猪尾部关键点的射线L1与轨道的交点B的坐标,选择到交点B路径最短的球机b移动到交点,令球机b水平转动,使球机光轴和L1平行,然后使肉猪尾关键点在球机b拍摄图像的中心,获得肉猪后视图;计算BIM地面平面上过头尾关键点连线中点与头尾关键点连线垂直的线L2与轨道的交点A 和A′的坐标,计算所有球机到A和A′点路径的距离,选择最小的路径距离并派对应的球机a按最短路径移动到A或A′点,令球机a水平转动,使球机光轴和L2平行,然后使肉猪头尾关键点连线的中点在球机a拍摄图像的中心,获得肉猪侧视图;以肉猪颈部上侧关键点和尾巴根部关键点连线的中点为根节点,根节点属于肉猪身关键点;将肉猪的后视图和侧视图输入猪身关键点检测网络,检测肉猪身关键点,输出肉猪后视和侧视关键点热力图;将肉猪的后视图和侧视图输入猪轮廓语义分割网络,检测属于肉猪的像素,输出肉猪的后视轮廓图和侧视轮廓图;标注出肉猪标准三维模型上的关键点并将肉猪标准三维模型按侧视和后视角度投影在BIM 地面平面上,得到标有关键点和根节点的肉猪标准三维模型侧视和后视重投影图;使用优化算法调整肉猪标准三维模型参数,使肉猪标准三维模型侧视投影中根节点和肉猪侧视图中根节点对齐,根据肉猪侧视图关键点和肉猪侧视图轮廓优化肉猪标准三维模型,得到第一肉猪三维模型;使用优化算法调整第一肉猪三维模型的参数,根据肉猪后视图关键点和肉猪后视图轮廓优化第一肉猪三维模型,得到肉猪最优三维模型;计算肉猪最优三维模型的体长与臀宽的比例,得出肉猪最优三维模型对应的膘情等级;把肉猪最优三维模型的体积和对应膘情等级肉猪的经验密度相乘得出肉猪的体重;统计每一个肉猪个体每24小时的大量体重数据,把出现频率最高的体重数据作为肉猪当天的体重,计算肉猪当天的体重与前一天体重的差值得出肉猪从前一天到当天的体重增长量,将肉猪从前一天到当天的体重增长量与肉猪过去24小时内进食量的比值作为肉猪的生长速度;以天为单位监测肉猪的体重、生长速度和膘情等级,根据出栏效益公式计算肉猪的出栏效益,出栏效益最大时即可出栏;通过WebGIS技术结合信息交换模块将BIM里的信息可视化。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

计算机视觉技术的优点
可以实时连续地监测家畜的体重,测量其形态参数。 可以实时连续地监测家畜的体重,测量其形态参数。 有效地显示了家畜生长环境以及它们的行为变化,为 有效地显示了家畜生长环境以及它们的行为变化, 环境调控提供依据。 环境调控提供依据。 帮助饲养者观测家畜的生长率,以便控制饲料,调节 帮助饲养者观测家畜的生长率,以便控制饲料, 营养结构,减少废弃物的排放。 营养结构,减少废弃物的排放。 有助于根据生长率判断健康状况,有利于日后的选种 有助于根据生长率判断健康状况, 和育肥以及选择最佳的屠宰时间。 和育肥以及选择最佳的屠宰时间。 饲养者有更多的时间观察家畜的健康和福利。 饲养者有更多的时间观察家畜的健康和福利。大大了 节省了人力物力,提高了生产效益和市场效益。 节省了人力物力,提高了生产效益和市场效益。
D(x,y) =
g(x,y)+b(x,y) - r(x,y) [g(x,y)+b(x,y) + r(x,y)]1.5
(4)图像分割:我们在这里选用阈值分割算法来分割图 图像分割:
像,选取象素的颜色分量来进行阈值分割的效果较好 。 颜色分量分析:我们根据图像的红r 三个分量, 颜色分量分析:我们根据图像的红r绿g蓝b三个分量,构 建一个图像D 该图像突出背景部分,减小前景部分: 建一个图像D,该图像突出背景部分,减小前景部分:
发展趋势:
(1)实验条件 (2)硬件设备 (3)软件算法
本研究是利用二维参数来测量体重,由于动物的形态特征 本研究是利用二维参数来测量体重, 比较复杂, 比较复杂,单纯的二维方法并不能完全反映它们的形态特 因此力于寻求一种更精确的3D方法。 3D方法 征,因此力于寻求一种更精确的3D方法。从获取的二维投 影图像中提取动物的三维结构信息, 影图像中提取动物的三维结构信息,这样可以更加准确地 测量出物体的几何参数, 测量出物体的几何参数,进而估计出其他的形态学参数 如体长,体高,胸围,体重等), ),并且还能连续监测动 (如体长,体高,胸围,体重等),并且还能连续监测动 物的行为,预估出它们的生长模型, 物的行为,预估出它们的生长模型,从而更加有效地改善 动物的生长环境,提高生产效益。 动物的生长环境,提高生产效益。 由于图像分析处理的难度,本研究还只限于处理单个对象, 由于图像分析处理的难度,本研究还只限于处理单个对象, 建议日后研究应多向群体和真实生产条件下深入。 建议日后研究应多向群体和真实生产条件下深入。且不同 种类的猪需要不同的算法找出体重和体尺之间的相关性, 种类的猪需要不同的算法找出体重和体尺之间的相关性, 通过提高软硬件的复杂性和精确度来获取更完美的图片, 通过提高软硬件的复杂性和精确度来获取更完美的图片, 提高系统的精确度和实用性。 提高系统的精确度和实用性。
二、研究方法
(1)构造计算机视觉硬件系统
红外电子耳号图像采集
(3)图像预处理:由于现场条件的限制,图像在拍摄过 图像预处理:由于现场条件的限制,
程中,会受到光照的影响或噪声的干扰,因此需要在处理 程中,会受到光照的影响或噪声的干扰, 之前对图片进行预处理,以提高图片的质量。 之前对图片进行预处理,以提高图片的质量。
(6)体重的估算:结合人工测量的体重,得出体尺和体 体重的估算:结合人工测量的体重,
重的回归方程式,作为新样本的计算公式。 重的回归方程式,作为新样本的计算公式。根据猪的种类不 生长阶段不同,回归公式也不一样, 同,生长阶段不同,回归公式也不一样,也就是并没有通用 的公式。 的公式。
三、结果与讨论
传统方法与视觉方法的对比
传统人工测量 体重箱,电子秤人工测量 体重箱, 只能靠经验人士肉眼识别 不方便,耗时,误差 不方便,耗时, 造成应激 接触式测量 需要大量人力 机械的 不能有技术上的改进 计算机视觉技术 间接估算体尺、体重 间接估算体尺、 识别猪的形态 方便,快捷,精确 方便,快捷, 避免物理伤害 无接触式测量 大量节省人力 电子的 能不断提高技术
根据种猪的饲养管理, 根据种猪的饲养管理,我们主要选用了四个主要 体尺(体长、体高、投影面积、体宽) 体尺(体长、体高、投影面积、体宽)作为特征 参量。 参量。 投影面积: 投影面积:计算闭环区域的像素个数 体高:计算对象在水平位置投影的白色象素点个数 体高: 体长: 体长:猪区域的主轴的长度 体宽: 体宽:猪背部和主轴垂直的最大宽度
利用计算机视觉技术 估测种猪体重
汇报人:杨艳 导师:滕光辉 单位:中国农业大学
一、研究意义
现代化养猪,就是采用先进的科学技术,借助一 现代化养猪,就是采用先进的科学技术, 定设施,创造适宜猪营养需要的饲料供应体系, 定设施,创造适宜猪营养需要的饲料供应体系, 良好的生活环境,卫生条件, 良好的生活环境,卫生条件,配套的健康保健措 施等;并且能够达到高生产水平,高劳动效率, 施等;并且能够达到高生产水平,高劳动效率, 高经济效益和优质产品的生产目的, 高经济效益和优质产品的生产目的,且具有一定 规模。 规模。 但就目前来看,我国的养猪生产水平和科技发展, 但就目前来看,我国的养猪生产水平和科技发展, 总体同国外养猪先进国家相比还存在很大差距, 总体同国外养猪先进国家相比还存在很大差距, 如一年提供的商品猪数量和饲料利用效率等。 如一年提供的商品猪数量和饲料利用效率等。这 体现在生产管理、环境条件等各个方面。 体现在生产管理、环境条件等各个方面。
有效生产的关键就是通过连续监测来维持最优生 长率和饲料转化率。 长率和饲料转化率。体重则是影响这两个指标的 重要因素, 重要因素,体重测量是生产管理中的一项重要环 它可以为评价动物的营养,生长环境, 节,它可以为评价动物的营养,生长环境,卫生 条件提供重要的依据。 条件提供重要的依据。 在种猪场日常饲养管理中, 在种猪场日常饲养管理中,经常需要对种猪进行 定期称重,然后根据体重变化检查饲料是否适当, 定期称重,然后根据体重变化检查饲料是否适当, 以便调整日粮以及日后的选种。 以便调整日粮以及日后的选种。
投影面积与体重的线性相关性: 投影面积与体重的线性相关性:
Y=0.0368XY=0.0368X-3.9257
R=0.94
W=0.003 x S^1.2811 x H^0.6121
R=2.8%
误差产生的来源主要有: 误差产生的来源主要有:1)客观条件带来的误差,在用电 客观条件带来的误差, 子秤测量体重时, 子秤测量体重时,猪的来回晃动给数据的读取带来一定的误 由于实际条件的限制, 差。2)由于实际条件的限制,图像的分割和处理效果带来 的误差。 的误差。
谢谢大家
传统的测量方法: 传统的测量方法: (1)体重箱 (2)电子秤 自动喂料系统
视频图像方法(一种无接触式的方法) 视频图像方法(一种无接触式的方法) 现代计算机和视频技术的发展为猪体尺、 现代计算机和视频技术的发展为猪体尺、体重的 测量提供了精确、便捷的方法。 测量提供了精确、便捷的方法。利用计算机视觉 技术, 技术,获取和分析处理视频图像来评估种猪的体 估算体重,从而可以监测种猪的生长, 尺、估算体重,从而可以监测种猪的生长,也有 助于研究猪的行为,为猪舍的环境调控提供依据。 助于研究猪的行为,为猪舍的环境调控提供依据。
计算阈值
10 9 8 7 x 10
4
:根据直方图选择阈值
象象象象
6 5 4 3 2 1 0
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
0.2
D图图图象象图
D图像的直方图,根据直方图得到阈值 0.0262
采用RGB颜色信息分割效果图
*二值化图像和后处理
(5)特征提取: 特征提取:
相关文档
最新文档