笼养蛋鸡健康行为监测机器人系统研究

发布时间：2018-04-01 09:45

本文选题：笼养蛋鸡　切入点：机器人　出处：《中国农业大学》2016年博士论文

【摘要】：目前,国内在蛋鸡养殖设备以及相关环境调控技术已取得了一些成果,但在笼养蛋鸡病死健康行为识别方面仍采用人工作业方式,工作人员作业效率低、劳动强度大、不利于身体健康；且病死鸡无法快速、有效识别对畜禽舍的防疫和鸡只的健康十分不利,从畜牧业面向集约化、规模化角度审视,其会制约蛋鸡养殖业的发展,因此,推行蛋鸡健康行为识别自动化是蛋鸡养殖过程中一个亟待解决的问题。由于蛋鸡养殖环境的复杂性和蛋鸡的生长特性,国内外学者针对此问题进行了相应的视觉识别方面研究,但目前国内还没有将视觉识别技术应用到监测机器人中以实现蛋鸡健康行为识别自动化。本课题以阶梯式蛋鸡笼养模式下的鸡只为研究对象,对笼养蛋鸡健康行为监测机器人及其关键技术进行了深入研究,取得了如下研究成果：(1)在分析我国蛋鸡养殖模式的基础上,提出了一种适合机器人自动化监测蛋鸡健康行为的养殖模式。(2)独立研制了蛋鸡健康行为监测机器人本体结构。从机器人的基本结构、动力类型、具体的驱动元件等方面进行了系统的对比分析和选择,设计了运动灵活、控制精度较高的3自由度圆柱坐标形式的监测机器人。其中行走机构为轮式,并通过连杆机构实现机器人整体转动,驱动方式采用步进电动机配合丝杠传动装置,可进行立体作业,设计了末端执行器。整个机械机构结构稳定,可适用于不同养殖模式。(3)搭建机器人视觉系统的硬件平台和软件平台。对视觉系统中的底层图像处理进行理论研究,提出了一种基于L*a*b*颜色空间的b*分量的图像分割方法。引入直方图均衡化技术和3×3邻域中值滤波方法来提高图片质量,把最大类间方差法和腐蚀及膨胀运算相结合,来实现图像目标分割及噪声去除处理,再通过定义感兴趣区域去除一些影响目标物数目判断的连通域,最后以连通区域标定对目标个数进行判断。对视觉识别算法进行了试验验证,结果表明此种算法的分割成功率为90%。(4)搭建了机器人控制系统的硬件平台和软件平台。硬件平台包括基于PC机的上位机控制器和基于单片机主板PIC16F877A的下位机控制器。在搭建的控制系统硬件平台上,开发了相应的应用程序,以上位机控制器为控制中心,基于Windows平台设计的人机交互界面来实现图像的采集、处理、目标位置的判断,并实时与下位机进行通信。下位机控制器主要实现机器人各轴的运动控制。对机器人进行运动学分析,通过D-H参数法得到机器人图像传感器的运动学方程。(5)对机械本体的控制精度和机器人视觉识别系统性能进行测试。通过试验来验证编写程序的目标识别与定位算法的准确性和实时性,测试和分析机器人的运动定位精度及识别成功率。试验中机器人整个系统的定位精度和重复定位精度都16mm之内,视觉识别的成功率达到87.5%,机器人控制系统稳定可靠；基于本研究的视觉识别算法可以有效的移植到机器人上,使得蛋鸡健康行为监测机器人有很大的应用发展空间。
[Abstract]:At present , some achievements have been made in the breeding equipment of laying hen and related environmental regulation technology in China , but manual operation mode is still adopted in the identification of the disease and death health behavior of the laying hen , the working efficiency of the staff is low , the labor intensity is large , and the health is not beneficial ;
In this paper , a kind of monitoring robot with three - degree - of - freedom cylindrical coordinates is designed , which is based on the basic structure , the power type and the specific driving element of the robot . ( 5 ) The control accuracy of the mechanical body and the performance of the robot vision recognition system are tested . The accuracy and the real - time performance of the target recognition and positioning algorithm of the writing program are verified by experiments . The accuracy and the recognition success rate of the robot are tested and analyzed . The positioning accuracy and the repeated positioning accuracy of the robot in the test are all 16 mm , the success rate of the visual recognition reaches 87.5 % , and the robot control system is stable and reliable ;
The visual recognition algorithm based on the study can be transplanted to the robot effectively , so that the laying hen ' s health behavior monitoring robot has great application development space .

【学位授予单位】：中国农业大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：S831;S818.9

【相似文献】