基于机器学习的多目标猪只状态与个体行为识别研究

发布时间：2021-10-25 22:07

　　养猪业是关系到国计民生的重要产业,对保障猪肉食品的安全可靠供应意义重大。随着规模化养猪业的发展,对实现自动监控猪行为的人工智能需求也越来越强。利用机器视觉对猪舍环境下猪群状态及个体行为监控,有助于提高经营效益和生产能力,保障动物福利,具有广阔应用前景。在对国内外研究现状分析总结的基础上,开展了基于机器学习的猪群状态与猪只个体行为识别的智能化研究,主要研究工作如下:（1）对所采集的猪只视频图像特点进行了分析,详细阐述了基于前景目标分割算法的多目标跟踪方法基本原理,介绍了猪只行为监控系统的实现原理及技术算法,为开发高效且实用的猪只行为识别系统奠定了基础。采用直方图均衡化、双边滤波,使用自适应阈值分割方法自动计算局部阈值完成前景目标的初步提取,采用Kalman滤波算法进行目标自动跟踪,以实现持续地识别猪只状态与行为。采用形态学处理方法对图像进行简化并过滤掉格栅、墙缝等背景干扰像素,并自动建立非交互式标记矩阵,使用GrabCut算法分割前景目标像素,精确提取目标像素区域,可以有效提高前景目标的识别准确度,结构相似度SSIM大于88%,提出的方法相比于传统算法效率显著提高,平均运算时长比传统Gr... 

【文章来源】：内蒙古农业大学内蒙古自治区

【文章页数】：118 页

【学位级别】：博士

【部分图文】：

RGB三色直方图

a. 原图 b. 感性区域选取a. Original image b. region of interest图 6 小猪的原图与感性区域 ROIFig.6 Piglet's original image and region of interest

图 8 感性区域与 RGB 通道灰度图Fig.8 region of interest and RGB histogram图 9 感性区域三色直方图Fig.9 3-color histogram of ROI为解决光照不均匀的问题，采用直方图均衡化方法实现图像增强。直方图均衡

【参考文献】：
期刊论文
[1]基于DRGB的运动中肉牛形体部位识别[J]. 邓寒冰,许童羽,周云成,苗腾,张聿博,徐静,金莉,陈春玲.  农业工程学报. 2018(05)
[2]基于全卷积网络的哺乳母猪图像分割[J]. 杨阿庆,薛月菊,黄华盛,黄宁,童欣欣,朱勋沐,杨晓帆,毛亮,郑婵.  农业工程学报. 2017(23)
[3]“直方图”均衡化图像增强技术研究综述[J]. 丁畅,董丽丽,许文海.  计算机工程与应用. 2017(23)
[4]基于改进Graph Cut算法的生猪图像分割方法[J]. 孙龙清,李玥,邹远炳,李亿杨.  农业工程学报. 2017(16)
[5]基于图像处理的生猪耳部颜色异常检测技术[J]. 周丽萍,陈达,陈志,苑严伟,王丽丽,孙小文.  农业机械学报. 2017(04)
[6]基于多特征融合的粒子滤波生猪采食行为跟踪[J]. 李亿杨,孙龙清,孙鑫鑫.  农业工程学报. 2017(S1)
[7]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)
[8]中国养猪业将打响“转型攻坚战”[J]. 潘巧莲.  中国畜牧杂志. 2017(01)
[9]基于机器视觉的新生仔猪目标识别方法研究与实现[J]. 张弛,沈明霞,刘龙申,张宏,Cedrick Sean Okinda.  南京农业大学学报. 2017(01)
[10]温热环境对育肥猪体温调节的影响规律[J]. 夏九龙,刁华杰,冯京海,张敏红,刁新平.  动物营养学报. 2016(11)

博士论文
[1]北方寒冷地区分娩母猪舍环境监控系统的研究[D]. 李立峰.内蒙古农业大学 2011
[2]华东南地区猪的热调节行为与湿热环境相关性的研究[D]. 汪开英.浙江大学 2001



本文编号：3458252