基于机器视觉的牦牛体重估测

发布时间：2021-07-18 09:34

　　牦牛的体尺、体重等生长指标对于评估牦牛生长,繁殖以及种牛的选取非常重要。对于传统的牦牛体尺与体重测量,通常采用手工测量的方式。而传统的手工测量方法具有对牦牛产生生理刺激、工作量大等缺点。基于上述问题考虑,本文使用机器视觉的方法对牦牛进行体尺与体重估测。本文研究的主要内容和结果如下:（1）复杂背景下牦牛图像前景识别算法研究及优化。牦牛自然站立姿态下,利用普通的机器视觉方法提取牦牛前景,存在前景识别率较低等问题。本文提出了复杂背景下牦牛前景提取方法,设计了在复杂背景下基于SLIC（Simple Linear Iterativeclustering）与Sobel边缘检测算子的牦牛前景提取算法。该方法实现了对复杂背景下牦牛图像的前景识别。实验结果表明:该算法识别牦牛图像的准确率为95.15%。（2）牦牛前景图像测量点识别算法及优化研究。针对牦牛在自然站立姿态下,利用机器视觉提取牦牛体尺测点,存在测点识别率较低等问题。本文提出了复杂背景下牦牛体尺测量点的提取方法,设计了复杂背景下牦牛个体提取、基于曲率分析的牦牛体尺测量点提取等算法。该方法实现了牦牛体高、体斜长、胸深、管围、十字部高等10个体尺测... 

【文章来源】：青海大学青海省 211工程院校

【文章页数】：85 页

【学位级别】：硕士

【部分图文】：

传统牦相比较于传统的通过手工的方式获取的方法获取牦牛的体尺参数并估测牦牛的背景下牦牛图像的前景提取、测量点标识

本文采取的技术路线

青海大学硕士学位论文第2章复杂背景下牦牛图像前景提取7第2章复杂背景下牦牛前景图像提取最近几年来，图像的前景提取研究作为计算机视觉研究的的关键技术越来越受到计算机视觉领域研究人员的重视[27]，作为最能代表图像内容的前景物体，如何将图像中的前景物体识别出来，应用在图像分析、图像理解等应用中是科研人员最为关注的问题。在人类的日常活动中，人眼的视觉为人们提供了大量多姿多彩的信息。根据相关统计，人类获取的信息80%是由视觉信息提供的[28]。作为伴随着计算机技术发展而产生的计算机视觉技术，该技术的迅速发展反映了人们对图像处理的巨大需求。然而，一副图像在计算机的眼中，是像素数据的集合，为了更好地利用计算机处理图像数据并获得图像的特征，需要用到图像分割技术。图像分割作为图像视觉的基本处理技术，一直是科研人员研究和关注的热点问题。图像分割作为将图像像素分割为有意义的连通区域的集合，是图像后期处理与图像内容分析和理解的重要步骤[29]。其作用可见图2-1。图2-1图像分割在图像领域的作用在当前研究者对图像分割算法的研究中，已经提出了数量不菲的算法[30-32]，然而，由于图像分割的复杂性，到目前为止还没有一个统一的理论体系可以全部概括图像分割算法，也缺少统一的评价体系评估图像分割后算法的效果。由于图像分割中含有较多的不确定性和多义性，图像分割在以后较长的时间内仍将是一个复杂且困难的问题。随着最近几年图像显示技术的成熟与发展，在人们的日常应用中，我们需要经将图像中的前景图像分割出来，已便于后续的追踪与监控。本章将要探索如何在复杂背景的条件下将牦牛从图像中扣取出来。

【参考文献】：
期刊论文
[1]基于多颜色空间卷积神经网络的车辆颜色分类[J]. 李慧,利齐律,程良伦,黄国恒.  工业控制计算机. 2019(11)
[2]基于高斯过程回归模型的洪涝灾害损失预测研究——以重庆市为例[J]. 龚艳冰,向林,刘高峰.  长江流域资源与环境. 2019(06)
[3]中国农产品阶段出口划分——基于Kmeans聚类分析[J]. 朱伟林,刘合光,陈珏颖.  世界农业. 2018(09)
[4]基于计算机视觉的大黄鱼体尺测算与体质量估测[J]. 杨杰超,许江淳,陆万荣,曾德斌.  中国农机化学报. 2018(06)
[5]基于高斯混合模型的最大期望聚类算法研究[J]. 何庆,易娜,汪新勇,江立斌.  微型电脑应用. 2018(05)
[6]无角牦牛体尺性状对体重影响的通径分析[J]. 裴杰,王宏博,褚敏,扎西卓玛,包鹏甲,梁春年,骆正杰,武甫德,丁学智,吴晓云,阎萍,郭宪.  生物技术通报. 2018(06)
[7]基于Spark Streaming的在线KMeans聚类模型研究[J]. 侯敬儒,吴晟,李英娜.  计算机与数字工程. 2018(04)
[8]基于机器视觉的马体尺测量系统设计与研究[J]. 张婧婧,李勇伟.  计算机测量与控制. 2017(12)
[9]基于Soble算子的图像边缘检测优化设计[J]. 李丹阳.  数字技术与应用. 2017(11)
[10]基于拐点的羊体测量点提取及体尺计算[J]. 白明月,薛河儒,姜新华,周艳青,王思宇.  内蒙古农业大学学报(自然科学版). 2017(06)

博士论文
[1]基于机器视觉的蜜柚品质检测方法研究[D]. 郭辉.中国农业大学 2015

硕士论文
[1]基于Kinect的奶牛体尺检测与试验研究[D]. 赵新强.山东农业大学 2018
[2]图切交互式彩色图像分割算法研究[D]. 程园.西安电子科技大学 2014
[3]图像前景提取的算法研究与实现[D]. 王庆敏.东北大学 2014
[4]朴素贝叶斯分类模型的改进研究[D]. 朱晓丹.厦门大学 2014
[5]前景提取算法的研究与改进[D]. 王培.西安电子科技大学 2011
[6]基于保留色度信息灰度化编码的彩色图像识别方法研究[D]. 张秉正.东北师范大学 2010
[7]基于K近邻的分类算法研究[D]. 桑应宾.重庆大学 2009
[8]支持向量回归机研究及其应用[D]. 梁伟锋.浙江师范大学 2006



本文编号：3289314