精准畜牧中机器视觉关键技术研究及应用
发布时间：2022-01-01 04:26
精准畜牧是提高畜禽生产效率、提升动物福利、优化饲养环境和饲料供给的精细化养殖理念和方法,可以在源头上保障食品安全、缓解环境污染,对经济、社会和环境等方面的都有巨大的应用价值,是优化升级集约型畜禽生产和解决我国畜禽生产“大而不强,多而不优”潜力巨大的技术手段。本研究针对目前精准畜牧中机器视觉监测方法对复杂动态背景目标检测和目标跟踪算法精度低、非平衡数据建模方法准确性低、畜禽动物行为识别模型鲁棒性和适应性差等问题,采用计算机视觉技术、机器学习技术以及多传感器融合技术,按照需求分析、算法提出、量化评估、算法验证与实践应用的研究思路,开展了动态背景环境的目标检测算法研究、多目标跟踪算法研究、高密度饲养条件下的感兴趣区域提取研究,对不同饲养环境下递归式监测个体表型和行为信息提供技术基础。在此基础上,开展了动态背景环境下的行为识别方法研究和群养环境下个体间交互行为建模方法研究,为在线、实时、无损感知畜禽动物表型信息和复杂行为模式提供新方法、新思路和新途径。论文的主要工作和结论如下:（1）提出了改进混合高斯模型的移动目标提取算法。针对畜禽养殖场背景复杂和环境多变导致现有的目标检测算法无法满足鲁棒性和...
【文章来源】：西北农林科技大学陕西省 211工程院校 985工程院校 教育部直属院校
【文章页数】：138 页
【学位级别】：博士
【部分图文】：
018年中国、欧美、北美、亚洲和世界的单位动物产出（FAO,http://www.fao.org/）
第一章绪论31.2国内外研究现状为了应对畜禽养殖集约化的变化趋势，国内外学者将信息技术与畜禽养殖相结合逐步发展出新的跨学科研究领域——精准畜牧（PrecisionLivestockFarming,PLF）(Berckmans2009)。精准畜牧是指以精确数量的投入（饲料、环境代价、人力等）来优化每只动物产出的精细化养殖理念和方法，与传统畜禽养殖监控有根本不同，要求提高动物产品质量和产量的同时兼顾动物福利、人道饲养以及环境污染等问题。图1-2展示了精准畜牧的系统框架，运用“闭环控制”理论，通过反馈调节机制使动物时刻处于最佳状态，包括监测动物、数据分析、信息反馈和控制管理。实施流程为：畜禽动物被当作“传感器”，输入个体动物饮食起居、行为、环境因子等监测信息，经过信息融合和建模输出动物个体生理、心理状态，然后与动物繁殖学、行为学、心理学以及动物医学等知识进行比较找出最优解，最终反馈给控制系统调节棚舍条件或警报饲养员实施人工干预。图1-2精准畜牧整体框架：监测、建模、控制和管理Fig.1-2TheframeworkofPLF:monitoring,modeling,controlandmanagement有别于其他监测对象，动物有机体被称为“CITD系统”，表示复杂性（Complexity）、个体差异性（IndividuallyDifferent）、时变性（Time-Varying）和动态性（Dynamic）(Berckmans2009)。生物个体的“CITD”性质对精准畜牧系统设计和开发有重要影响，任何监测方法或控制理论必须满足：监测数据连续性、模型响应实时性以及在线决策。由此可见，精准畜牧的关键是畜禽信息监测技术，能自动、实时、全天候监测动物繁殖生产信息，健康福利状况以及外部环境因子。1.2.1畜禽信息感知关键技术近年来传感器和传感技术革命极大的促进了畜禽信息监测技术，已经将摄像机、麦克风、生物传感器?
1.2.1.2无接触监测技术目前主要技术手段包括基于计算机视觉的动物信息获取方法和基于声学的动物发声分析方法。其中，计算机视觉技术扮演着越来越重要的角色。相较于其他技术手段，单个摄像机就可以覆盖多只动物，极大降低了精准畜牧系统成本，例如一台普通网络摄像机就可以24小时不间断的监测一栏猪的活动状态。图像或视频数据还提供了多模式、高通量的信息源，有潜力挖掘出巨大的畜禽动物的表型信息和行为细节，例如一套监测系统可以同时加载彩色、深度、红外和热成像等模块。基于计算机视觉的精准畜牧系统一般技术流程如图1-4所示，包括数据采集、数据预处理、感兴趣区域提娶特征提取和模式识别。涉及图像分析、模式识别、机器学习等理论方法。图1-4基于计算机视觉的精准畜牧系统一般技术流程Fig.1-4GeneralworkflowofcomputervisionbasedPLFsystem数据采集：常用的视频数据获取设备包括：彩色图像摄像机（RGB）、红外图像摄像机（IR）、深度图像摄像机（3D）和热成像设备（IRT）。传统用于畜禽养殖场的视频监控设备通常安装在棚舍角落，形成一个有角度的视常这样的设计便于管理人员观察和节约成本，但给自动分析算法的设计带来困难(Perneretal.2001)。目前，几乎所有的视频采集系统设计都是将摄像机架设在棚舍顶部，获取俯视图观察视角。当检测和区分群体环境中的个体动物时，俯视图相对于其他视觉由3个明显的优势：首先，动物通常不会被遮挡；其次，动物的大小和外观是一致的，使得系统能够递归式的检测个体动物；最后，如果使用三维成像系统，可以保证每只动物在二维平面上的投影高度不变。
【参考文献】：
期刊论文
[1]奶牛阴道植入式电阻传感器与无线监测系统研究[J]. 刘忠超,何东健. 农业机械学报. 2019(11)
[2]基于Lucas-Kanade稀疏光流算法的奶牛呼吸行为检测[J]. 宋怀波,吴頔华,阴旭强,姜波,何东健. 农业工程学报. 2019(17)
[3]基于隐马尔科夫模型的深度视频哺乳母猪高危动作识别[J]. 薛月菊,杨晓帆,郑婵,陈畅新,甘海明,李诗梅. 农业工程学报. 2019(13)
[4]通用目标检测技术新进展:可变形卷积网络再升级[J]. 代季峰. 人工智能. 2019(02)
[5]奶牛体温植入式传感器与实时监测系统设计与试验[J]. 何东健,刘畅,熊虹婷. 农业机械学报. 2018(12)
[6]基于视频分析的多目标奶牛反刍行为监测[J]. 宋怀波,牛满堂,姬存慧,李振宇,祝清梅. 农业工程学报. 2018(18)
[7]基于Kinect传感器的无接触式母猪体况评分方法[J]. 滕光辉,申志杰,张建龙,石晨,余炅桦. 农业工程学报. 2018(13)
[8]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)
[9]基于Horn-Schunck光流法的多目标反刍奶牛嘴部自动监测[J]. 宋怀波,李通,姜波,吴倩,何东健. 农业工程学报. 2018(10)
[10]畜禽行为及生理信息的无损监测技术研究进展[J]. 汪开英,赵晓洋,何勇. 农业工程学报. 2017(20)
博士论文
[1]基于机器视觉的奶牛个体信息感知及行为分析[D]. 赵凯旋.西北农林科技大学 2017
硕士论文
[1]机器视觉在奶牛体况评定中的应用[D]. 王龙.东华大学 2014
本文编号：3561618
【文章来源】：西北农林科技大学陕西省 211工程院校 985工程院校 教育部直属院校
【文章页数】：138 页
【学位级别】：博士
【部分图文】：
018年中国、欧美、北美、亚洲和世界的单位动物产出（FAO,http://www.fao.org/）
第一章绪论31.2国内外研究现状为了应对畜禽养殖集约化的变化趋势，国内外学者将信息技术与畜禽养殖相结合逐步发展出新的跨学科研究领域——精准畜牧（PrecisionLivestockFarming,PLF）(Berckmans2009)。精准畜牧是指以精确数量的投入（饲料、环境代价、人力等）来优化每只动物产出的精细化养殖理念和方法，与传统畜禽养殖监控有根本不同，要求提高动物产品质量和产量的同时兼顾动物福利、人道饲养以及环境污染等问题。图1-2展示了精准畜牧的系统框架，运用“闭环控制”理论，通过反馈调节机制使动物时刻处于最佳状态，包括监测动物、数据分析、信息反馈和控制管理。实施流程为：畜禽动物被当作“传感器”，输入个体动物饮食起居、行为、环境因子等监测信息，经过信息融合和建模输出动物个体生理、心理状态，然后与动物繁殖学、行为学、心理学以及动物医学等知识进行比较找出最优解，最终反馈给控制系统调节棚舍条件或警报饲养员实施人工干预。图1-2精准畜牧整体框架：监测、建模、控制和管理Fig.1-2TheframeworkofPLF:monitoring,modeling,controlandmanagement有别于其他监测对象，动物有机体被称为“CITD系统”，表示复杂性（Complexity）、个体差异性（IndividuallyDifferent）、时变性（Time-Varying）和动态性（Dynamic）(Berckmans2009)。生物个体的“CITD”性质对精准畜牧系统设计和开发有重要影响，任何监测方法或控制理论必须满足：监测数据连续性、模型响应实时性以及在线决策。由此可见，精准畜牧的关键是畜禽信息监测技术，能自动、实时、全天候监测动物繁殖生产信息，健康福利状况以及外部环境因子。1.2.1畜禽信息感知关键技术近年来传感器和传感技术革命极大的促进了畜禽信息监测技术，已经将摄像机、麦克风、生物传感器?
1.2.1.2无接触监测技术目前主要技术手段包括基于计算机视觉的动物信息获取方法和基于声学的动物发声分析方法。其中，计算机视觉技术扮演着越来越重要的角色。相较于其他技术手段，单个摄像机就可以覆盖多只动物，极大降低了精准畜牧系统成本，例如一台普通网络摄像机就可以24小时不间断的监测一栏猪的活动状态。图像或视频数据还提供了多模式、高通量的信息源，有潜力挖掘出巨大的畜禽动物的表型信息和行为细节，例如一套监测系统可以同时加载彩色、深度、红外和热成像等模块。基于计算机视觉的精准畜牧系统一般技术流程如图1-4所示，包括数据采集、数据预处理、感兴趣区域提娶特征提取和模式识别。涉及图像分析、模式识别、机器学习等理论方法。图1-4基于计算机视觉的精准畜牧系统一般技术流程Fig.1-4GeneralworkflowofcomputervisionbasedPLFsystem数据采集：常用的视频数据获取设备包括：彩色图像摄像机（RGB）、红外图像摄像机（IR）、深度图像摄像机（3D）和热成像设备（IRT）。传统用于畜禽养殖场的视频监控设备通常安装在棚舍角落，形成一个有角度的视常这样的设计便于管理人员观察和节约成本，但给自动分析算法的设计带来困难(Perneretal.2001)。目前，几乎所有的视频采集系统设计都是将摄像机架设在棚舍顶部，获取俯视图观察视角。当检测和区分群体环境中的个体动物时，俯视图相对于其他视觉由3个明显的优势：首先，动物通常不会被遮挡；其次，动物的大小和外观是一致的，使得系统能够递归式的检测个体动物；最后，如果使用三维成像系统，可以保证每只动物在二维平面上的投影高度不变。
【参考文献】：
期刊论文
[1]奶牛阴道植入式电阻传感器与无线监测系统研究[J]. 刘忠超,何东健. 农业机械学报. 2019(11)
[2]基于Lucas-Kanade稀疏光流算法的奶牛呼吸行为检测[J]. 宋怀波,吴頔华,阴旭强,姜波,何东健. 农业工程学报. 2019(17)
[3]基于隐马尔科夫模型的深度视频哺乳母猪高危动作识别[J]. 薛月菊,杨晓帆,郑婵,陈畅新,甘海明,李诗梅. 农业工程学报. 2019(13)
[4]通用目标检测技术新进展:可变形卷积网络再升级[J]. 代季峰. 人工智能. 2019(02)
[5]奶牛体温植入式传感器与实时监测系统设计与试验[J]. 何东健,刘畅,熊虹婷. 农业机械学报. 2018(12)
[6]基于视频分析的多目标奶牛反刍行为监测[J]. 宋怀波,牛满堂,姬存慧,李振宇,祝清梅. 农业工程学报. 2018(18)
[7]基于Kinect传感器的无接触式母猪体况评分方法[J]. 滕光辉,申志杰,张建龙,石晨,余炅桦. 农业工程学报. 2018(13)
[8]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)
[9]基于Horn-Schunck光流法的多目标反刍奶牛嘴部自动监测[J]. 宋怀波,李通,姜波,吴倩,何东健. 农业工程学报. 2018(10)
[10]畜禽行为及生理信息的无损监测技术研究进展[J]. 汪开英,赵晓洋,何勇. 农业工程学报. 2017(20)
博士论文
[1]基于机器视觉的奶牛个体信息感知及行为分析[D]. 赵凯旋.西北农林科技大学 2017
硕士论文
[1]机器视觉在奶牛体况评定中的应用[D]. 王龙.东华大学 2014
本文编号：3561618
本文链接：https://www.wllwen.com/shoufeilunwen/nykjbs/3561618.html
