基于深度图像的猪体尺检测系统

发布时间：2020-12-09 19:44

　　<正>前言:为实现生猪饲养过程中体尺无接触检测,设计了一套基于双目视觉原理的猪体尺检测系统。针对色彩图像提取猪体轮廓易受污物和光照干扰的问题,提出基于深度图像的猪体轮廓提取算法。使用双目视觉系统获得猪体深度图像,利用帧差法提取猪只高度信息,并基于高度信息二值化图像,获得猪体轮廓;结合优化的基于凹陷结构的拐点提取算法,筛选体尺检测关键点,计算体长、体宽、体高、臀宽、 

【文章来源】：猪业观察. 2018年04期 第26-33页

【文章页数】：8 页

【部分图文】：

图1双目视觉原理

即找到同一物体投影在左右图像上对应的像素点，左右图像像素点X坐标之差称为视差，计算所有点的视差得到稠密视差图像。根据双目视觉系统的焦距、相机参数和目标物距范围，确定最大和最小视差，超过该范围的视差认为是无效匹配。本研究采用德国学者Hirchmuller提出的半全局块匹配算法SGBM（Semiglobalblockmatch），它通过多个方向的一维平滑约束来近似一个二维平滑约束，不仅可获得与图割法、置信传播法相媲美的处理结果，且执行效率远高于这些算法，同时其实现过程具有比较规则的结构，能够非常容易地映射到并行图2机器视觉系统硬件结构1.双目相机2.千兆交换机3.局域网4.服务器5.串口转网络服务器6.ＲFID读卡器7.FID耳标A点深度的检测精度Δd的计算公式为式中：Δd—视差匹配精度，通常取相机像素大小的1/52台相机间距约115mm，猪体高度范围为40～70cm，结合相机高度，理论猪体检测精度为4.96～6.75mm。考虑猪体尺专用测杖的检测精度为0.5cm，系统的理论检测精度可接受。2.猪只个体识别每头猪右耳佩戴无线射频电子耳标（Radiofrequencyidentificationdevices，RFID），满足国际标准ISO11784/11785《动物的射频识别》，读卡器安装在饮水器右侧，饮水区设置限位栏杆，宽度仅允许一次一头猪进入饮水。系统硬件结构如图2所示。（二）体尺检测软件体尺检测软件由图像自动采集、深度图像计算、猪体轮廓获取和计算猪只体尺4部分构成。利用实验室虚拟仪器工程平台(Laboratoryvirtual

事件30客观前瞻提升智能养猪猪业观察2018年第4期最终猪体轮廓如图6b所示。最远的2个尾根备选点为尾根分割点，距离短轴最近的2个耳根备选点为脖颈分割点。上述算法第2步使用了像素参数，当系统的物距或相机参数发生变化时，固定像素筛选条件就容易失效。本系统的相机分辨率较高，图8的包络线段长度如图9所示，看出仅有少数耳根和尾根分割点对应的包络线段较长，若选择长度大于30像素的包络线段，将造成线段数量过多，给后续的筛选造成困难;若相机像素数较少或物距较大，包络线段长度会缩短，30像素的筛选条件可能会造成漏眩由图8看出，猪体轮廓较为明显的角点有:尾部2个、腹部和臀部连接处2个、腹部和肩部连接处2个、颈部2个以及头部和耳朵图7凹陷结构示意图8包络和猪体轮廓重合点图9包络线段长度4.体尺检测算法本实验室提出的基于凸包分析的猪体头部与尾部去除算法可以检测猪尾根和耳根分割点，体尺检测关键点计算步骤如下:（1）计算猪体粒子的包络线，计算包络线和轮廓重合点。（2）计算相邻重合点之间包络线段的长度，筛选出长度大于30像素的包络线段。（3）计算轮廓线段上所有点到包络线段的距离dn，选出距离最大的点作为尾根和耳根分割点的备选点，最大距离称为凹陷的深度，如图7所示。图6深度减法图像二值化（4）由于饮水器的位置固定，所以猪头的朝向可以确定，以猪体粒子短轴（S）作为分割线，将备选点分为耳根备选点和尾根备选点;距离短轴


本文编号：2907387