基于机器视觉的育肥猪生长信息监测研究
发布时间：2021-11-13 22:35
育肥猪的体尺和体重,是监测其生长和健康的重要指标。及时准确采集体尺和体重信息对于育肥猪的科学养殖具有十分重要的意义。目前,育肥猪的体尺主要使用皮尺等工具进行手工测量,体重主要通过驱赶后使用地磅进行称重,这种方式不但给猪带来额外的压力与刺激,而且还会因为猪的活动造成较大的测量误差。因此使用非接触的方式对猪体尺和体重数据进行监测很有必要。本文通过分析目前国内外关于机器视觉监测猪体尺和体重的研究资料,针对存在的问题,开发了育肥猪生长信息监测的软硬件系统。本系统可自动采集育肥猪的俯视图、侧视图、体重信息和耳标号码。针对采集的育肥猪图像,首先进行预处理分析。采用直方图均衡化和中值滤波的方法,减少了拍摄环境中光照和噪声的影响。然后研究分析了基本全局阈值分割法、Otsu分割法、迭代法以及Sobel边缘检测法、Canny边缘检测法、LOG边缘检测法和形态学边缘检测法等图像分割和边缘检测方法,提出了适合本监测系统的较优图像分割和边缘检测算法。为准确检测育肥猪的形态特征提供了相关理论基础。使用MATLAB编写了育肥猪生长信息检测程序,实现了基于多特征点匹配的育肥猪体尺检测系统。运用双目视觉技术,对育肥猪的...
【文章来源】：内蒙古农业大学内蒙古自治区
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
图２结构光原理图??
?内蒙古农业大学硕士学位论文?９＿??／Ｉ??图３?ＴＯＦ深度相机工作原理??Ｆｉｇ．３?ＴＯＦ?ｄｅｐｔｈ?ｃａｍｅｒａ??然而ＴＯＦ相机也有一些明显的问题：??１）对设备的要求比较高，特别是时间溯量模块。??２）比较高的资源消耗，需要多次采样和集成来检测相移。??３）边缘精度较低。??４）由于有限的资源消耗和过滤，无法实现更高的帧速率和分辨率。??（３）立体视觉相机：??使用立体视觉方法的三维测量是从机器视觉中的二维或更多图像中恢复物体的??三维形状的方法，并且双目视觉在立体视觉中得到最广泛的使用。根据具体使用相机??个数的不同可以分为：单眼视觉测量，双目视觉测量，多目视觉测量等。其中，单眼??视觉测量仅使用一个摄像机，在拍照后旋转或移动物体或摄像机，再拍摄另一张照片，??进行图像立体匹配并计算空间位置多视图视觉使用来自第三台摄像机的信息来减少??匹配相应点时的歧义，从而提高检测精度和可靠性。最常用和最成熟的技术是双目视??觉测量。双目视觉具有分辨率大，深度范围广，检测精度高，系统成本相对较低的优??点。基于视差的原理，利用来自测量对象的不同位置上的对应点之间的两个获得的图??像，并计算位置偏差的图像中，在图像形成装置来计算所述对象的三维几何形状。??双目相机的主要优点有：??１）硬件要求低。??２）室内外都适用。对光线要求不高，不过于昏暗即可。??双目相机的主要缺点有：??１）不适合缺乏纹理或没有纹理的单调场景。双目视觉根据视觉特征匹配图像，??如特征不够明显，则无法完成匹配??２）计算复杂度高。这是一种相对比较纯粹的视觉方法，所以需要复杂的算法和??大量计算。??
?内蒙古农业大学硕士学位论文?１１??．，ｌｆ?３．?Ｉ?ｇ??４．摩——」??６－??图４图像采集系统７Ｆ意图??Ｆｉｇ．４?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｉｍａｇｅ?ａｃｑｕｉｓｉｔｉｏｎ?ｓｙｓｔｅｍ??２．３信息篮测系统选型及设计??设计的育肥猪的生长信息监测系统，如图５所示。??［冒覧麵??■ｔｚＪｒｌｕｉ??；４ｉＫ２＇；ＳＩ?＇ｆｆｌｌｆｆｉ??图５肓肥猪检测系统正视图??Ｆｉｇ．５?Ｆｒｏｎｔ?ｖｉｅｗ?ｏｆ?ｆａｔｔｅｎｉｎｇ?ｐｉｇ?ｄｅｔｅｃｔｉｏｎ?ｓｙｓｔｅｍ??生长信息监测系统主要由下料饲喂单元、耳标识别单元、体重采集单元、图像采??集单元以及信号传输系统构成。??硬件系统主要包括：进出通道、料桶、绞龙下料装置、饲喂料槽装置、地磅，ＲＦＩＤ??读卡器以及电气控制部分。??耳标识别单元：在料槽上方设有ＲＦＩＤ读卡器，当猪只进入饲喂站，读卡器识别??到耳标，便将耳标信息通过ＲＳ４８５串口传输至上位机。??
【参考文献】：
期刊论文
[1]2018年世界生猪产业发展情况及2019年的趋势[J]. 张海峰. 猪业科学. 2019(02)
[2]基于Kinect相机的猪体理想姿态检测与体尺测量[J]. 司永胜,安露露,刘刚,李保成. 农业机械学报. 2019(01)
[3]机器视觉技术的发展现状与应用动态研究[J]. 陈英. 无线互联科技. 2018(19)
[4]直方图零点与图像无损压缩定量关系研究[J]. 关晨曦,周诠. 电子设计工程. 2018(16)
[5]猪只饮水行为机器视觉自动识别[J]. 杨秋妹,肖德琴,张根兴. 农业机械学报. 2018(06)
[6]基于数字图像处理技术的人脸检测算法研究[J]. 何莉,罗艳芳. 计算机测量与控制. 2017(07)
[7]基于计算机视觉技术育肥猪体重分析研究[J]. 张凯,王春光,刘涛,康飞龙. 农机化研究. 2017(05)
[8]基于头尾定位的群养猪运动轨迹追踪[J]. 高云,郁厚安,雷明刚,黎煊,郭旭,刁亚萍. 农业工程学报. 2017(02)
[9]自然条件下猪只运动参量提取算法[J]. 冯爱晶,肖德琴. 计算机应用. 2016(10)
[10]基于视频追踪的猪只运动快速检测方法[J]. 肖德琴,冯爱晶,杨秋妹,刘俭,张哲. 农业机械学报. 2016(10)
博士论文
[1]基于立体视觉技术的生猪体重估测研究[D]. 李卓.中国农业大学 2016
[2]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]. 刘同海.中国农业大学 2014
硕士论文
[1]猪运动信息获取及分析[D]. 郁厚安.华中农业大学 2017
[2]基于机器视觉的猪个体身份和饮水行为识别方法[D]. 谭辉磊.江苏大学 2017
[3]三维成像技术及其在多核DSP实现的研究[D]. 王琦艺.电子科技大学 2017
[4]基于计算机视觉的育肥猪体重估测分析研究[D]. 张凯.内蒙古农业大学 2016
[5]基于机器视觉的马铃薯图像采集及检测方法研究[D]. 郝慧灵.内蒙古农业大学 2015
[6]基于计算机视觉的单体猪喘气行为视频特征表达方法研究[D]. 谢海员.安徽工业大学 2015
[7]基于双目视觉的机器人在线检测技术的研究[D]. 刘东升.青岛科技大学 2013
[8]Bayer图像无损压缩技术及边缘检测算法研究[D]. 赵建刚.太原理工大学 2008
[9]基于神经网络的图像识别技术在机器人视觉系统中的应用[D]. 袁向荣.山东大学 2005
本文编号：3493847
【文章来源】：内蒙古农业大学内蒙古自治区
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
图２结构光原理图??
?内蒙古农业大学硕士学位论文?９＿??／Ｉ??图３?ＴＯＦ深度相机工作原理??Ｆｉｇ．３?ＴＯＦ?ｄｅｐｔｈ?ｃａｍｅｒａ??然而ＴＯＦ相机也有一些明显的问题：??１）对设备的要求比较高，特别是时间溯量模块。??２）比较高的资源消耗，需要多次采样和集成来检测相移。??３）边缘精度较低。??４）由于有限的资源消耗和过滤，无法实现更高的帧速率和分辨率。??（３）立体视觉相机：??使用立体视觉方法的三维测量是从机器视觉中的二维或更多图像中恢复物体的??三维形状的方法，并且双目视觉在立体视觉中得到最广泛的使用。根据具体使用相机??个数的不同可以分为：单眼视觉测量，双目视觉测量，多目视觉测量等。其中，单眼??视觉测量仅使用一个摄像机，在拍照后旋转或移动物体或摄像机，再拍摄另一张照片，??进行图像立体匹配并计算空间位置多视图视觉使用来自第三台摄像机的信息来减少??匹配相应点时的歧义，从而提高检测精度和可靠性。最常用和最成熟的技术是双目视??觉测量。双目视觉具有分辨率大，深度范围广，检测精度高，系统成本相对较低的优??点。基于视差的原理，利用来自测量对象的不同位置上的对应点之间的两个获得的图??像，并计算位置偏差的图像中，在图像形成装置来计算所述对象的三维几何形状。??双目相机的主要优点有：??１）硬件要求低。??２）室内外都适用。对光线要求不高，不过于昏暗即可。??双目相机的主要缺点有：??１）不适合缺乏纹理或没有纹理的单调场景。双目视觉根据视觉特征匹配图像，??如特征不够明显，则无法完成匹配??２）计算复杂度高。这是一种相对比较纯粹的视觉方法，所以需要复杂的算法和??大量计算。??
?内蒙古农业大学硕士学位论文?１１??．，ｌｆ?３．?Ｉ?ｇ??４．摩——」??６－??图４图像采集系统７Ｆ意图??Ｆｉｇ．４?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｉｍａｇｅ?ａｃｑｕｉｓｉｔｉｏｎ?ｓｙｓｔｅｍ??２．３信息篮测系统选型及设计??设计的育肥猪的生长信息监测系统，如图５所示。??［冒覧麵??■ｔｚＪｒｌｕｉ??；４ｉＫ２＇；ＳＩ?＇ｆｆｌｌｆｆｉ??图５肓肥猪检测系统正视图??Ｆｉｇ．５?Ｆｒｏｎｔ?ｖｉｅｗ?ｏｆ?ｆａｔｔｅｎｉｎｇ?ｐｉｇ?ｄｅｔｅｃｔｉｏｎ?ｓｙｓｔｅｍ??生长信息监测系统主要由下料饲喂单元、耳标识别单元、体重采集单元、图像采??集单元以及信号传输系统构成。??硬件系统主要包括：进出通道、料桶、绞龙下料装置、饲喂料槽装置、地磅，ＲＦＩＤ??读卡器以及电气控制部分。??耳标识别单元：在料槽上方设有ＲＦＩＤ读卡器，当猪只进入饲喂站，读卡器识别??到耳标，便将耳标信息通过ＲＳ４８５串口传输至上位机。??
【参考文献】：
期刊论文
[1]2018年世界生猪产业发展情况及2019年的趋势[J]. 张海峰. 猪业科学. 2019(02)
[2]基于Kinect相机的猪体理想姿态检测与体尺测量[J]. 司永胜,安露露,刘刚,李保成. 农业机械学报. 2019(01)
[3]机器视觉技术的发展现状与应用动态研究[J]. 陈英. 无线互联科技. 2018(19)
[4]直方图零点与图像无损压缩定量关系研究[J]. 关晨曦,周诠. 电子设计工程. 2018(16)
[5]猪只饮水行为机器视觉自动识别[J]. 杨秋妹,肖德琴,张根兴. 农业机械学报. 2018(06)
[6]基于数字图像处理技术的人脸检测算法研究[J]. 何莉,罗艳芳. 计算机测量与控制. 2017(07)
[7]基于计算机视觉技术育肥猪体重分析研究[J]. 张凯,王春光,刘涛,康飞龙. 农机化研究. 2017(05)
[8]基于头尾定位的群养猪运动轨迹追踪[J]. 高云,郁厚安,雷明刚,黎煊,郭旭,刁亚萍. 农业工程学报. 2017(02)
[9]自然条件下猪只运动参量提取算法[J]. 冯爱晶,肖德琴. 计算机应用. 2016(10)
[10]基于视频追踪的猪只运动快速检测方法[J]. 肖德琴,冯爱晶,杨秋妹,刘俭,张哲. 农业机械学报. 2016(10)
博士论文
[1]基于立体视觉技术的生猪体重估测研究[D]. 李卓.中国农业大学 2016
[2]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]. 刘同海.中国农业大学 2014
硕士论文
[1]猪运动信息获取及分析[D]. 郁厚安.华中农业大学 2017
[2]基于机器视觉的猪个体身份和饮水行为识别方法[D]. 谭辉磊.江苏大学 2017
[3]三维成像技术及其在多核DSP实现的研究[D]. 王琦艺.电子科技大学 2017
[4]基于计算机视觉的育肥猪体重估测分析研究[D]. 张凯.内蒙古农业大学 2016
[5]基于机器视觉的马铃薯图像采集及检测方法研究[D]. 郝慧灵.内蒙古农业大学 2015
[6]基于计算机视觉的单体猪喘气行为视频特征表达方法研究[D]. 谢海员.安徽工业大学 2015
[7]基于双目视觉的机器人在线检测技术的研究[D]. 刘东升.青岛科技大学 2013
[8]Bayer图像无损压缩技术及边缘检测算法研究[D]. 赵建刚.太原理工大学 2008
[9]基于神经网络的图像识别技术在机器人视觉系统中的应用[D]. 袁向荣.山东大学 2005
本文编号：3493847
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3493847.html
最近更新
教材专著
