【毕业论文】核能科学与工程类__基于计算机视觉技术的种猪体尺和体重估算方法研究.pdf

y9 3 8 3 0 分类号 密级 飞嚼差- t 夭等 学位论文 单 市代码 学号 1 0 0 1 9 s 0 3 0 9 4 4 基于计算机视觉技术的种猪体尺和体重估算 方法研究 s t u d yo nt h ee s t i m a t i o no fp i g sd i m e n s i o n sa n dw e i g h tb a s e d o nc o m p u t e rv i s i o nt e c h n i q u e s 研究生： 拯艳 指导教师： 塍盘龌数援 合作指导教师： 申请学位门类级别：王堂亟 专业 名称： 盔些生物坯撞量篚湮工程 研冤万向：盘些垒：塑巫撞让簋担趔蕉应旦 所在学院： 盛型皇丕王捏堂瞳 2 0 0 6 年6 月 摘要 为了解决生产过程中难以对种猪体尺和体重进行实时监测的问题，本文在分析国内外研究现 状的基础上，探讨r 计算机视觉技术在种猪饲养管理中的应用。设计构造了基于计算机视觉技术 的种猪个体信息识别系统，该系统由视频图像获取子系统、电子耳号识别子系统和环境参数采集 子系统构成。利用电子耳号识别子系统解决群猪中识别个体种猪的问题；利用视频图像获取子系 统采集种猪图像信息，首先对图像进行预处理，在一定程度上去除光照和噪声的影响，然后采崩 阈值分割算法分割图片。经过现场采集的大量样本，利用图像处理技术估算出种猪的相关体尺参 数( 体长、体高、体宽、胸围和投影面积) ，把估测的体尺参数和真实体重进行相关性分析，得 出体重的回归公式。同时基于l a b w i n d o w s 平台开发了种猪个体信息识别系统软件，可以实现图 像采集、图像预处理、形态参数的提取、体重的估测、数据库管理、生长状态评估和管理决策等 功能。结果显示利用该方法可以连续精确地估测出种猪的体尺和体重，不仅可以避免猪盼应激反 应给生产带来的损失，减少了人力物力，从而降低种猪生产成本，而且有利于对种猪生长进行连 续的监测和研究，为种猪的现代化饲养管理提供了一种有效的监测手段。 关键词：种猪，体尺体重，计算机视觉 a b s t r a c t t r a d i t i o n a l l yp i g sd i m e n s i o n sa n dw e i g h ta r em e a s u r e dm a n u a l l y t h i sp a p e rp r e s e n t san e w m e t h o dt h a ta t t e m p t st oe s t i m a t et h e s ed i m e n s i o n sa u t o m a t i c a l l y , b a s e do nt h et e c h n o l o g i e so fc o m p u t e r v i s i o na n di m a g ep r o c e s s i n g ap i gi n d i v i d u a li n f o r m a t i o ni d e n t i f i c a t i o ns y s t e mi sb u i l to nt h i sw o r k t h i ss y s t e mc o n s i s t so ft h r e em o d u l e s ：i m a g ea c q u i s i t i o n ，a n i m a li n f o r m a t i o ni d e n t i f i c a t i o nd e v i c e ，a n d e n v i r o n m e n ti n f o r m a t i o na c q u i s i t i o n i tc a np e r f o r mt h eh a n d - o f fm e a s u r e m e n to fp i gg r o w t h t h e s y s t e mr e c o g n i z e st h ei d e n t i t yo ft h ei n d i v i d u a lp i gb ya n i m a li n f o r m a t i o ni d e n t i f i c a t i o nd e v i c e t h e i m a g e s o ft h e p i g s a r ec a p t u r e d b yt h ei m a g ea c q u i s i t i o ns u b s y s t e m t h e ng a u s s i a nf i l t e r s a n d e q u a l i z a t i o na r ea p p l i e dt ot h e s e r e a g e st or e d u c et h ei l l u m i n a t i o na n dn o i s e t h e s ep r e p r o e e s s e d i m a g e sa l ef e dt oo u rc o m p u t e rv m i o ns u b s y s t e mt h a ta p p l i e s as e q u e n c eo fo p e r a t i o n st ot h ei m a g e s ( s u c ha ss e g m e n t a t i o na n df i n d i n gm a i nc o m p o n e n t ) t oe s t i m a t et h ep i g sd i m e n s i o n s0 e n g t h ，h e i g h t ， w i d t ha n dc i r c u m f e r e n c e ) o b s e r v a t i o n ss h o wt h a tp i g gr e a lw e i g h th a sn o n - l i n e a rr e l a t i o n s h i pw i t h t h e s ed i m e n s i o n s t h ec o r r e s p o n d i n gp a r a m e t e r sa r ee s t i m a t e db yn o n l i n e a rr e g r e s s i o n o nt h es a m e t i m e ，t h ep i gi n d i v i d u a li n f o r m a t i o ni d e n t i f i c a t i o ns y s t e ms o f t w a r ei si m p l e m e n t e do nl a b w i n d o w s p l a t f o r m t h es y s t e mi n t e g r a t e sm u l t i p l ef u n c t i o n a l i t i e ss u c ha sm a g ea c q u i s i t i o n ，i m a g ep r e p r o c e s s i n g m o r p h o l o g i c a lf e a t u r e se x t r a c t i o n ，w e i g h tm e a s u r e m e n t ，d a t a b a s em a n a g e m e n t ，g r o w t hs t a t ej u d g m e n t ， m a n a g e m e n td e c i s i o n - m a k i n g ，a n ds oo n t h er e s e a r c hi n d i c a t e st h a te s t i m a t i n gp i g kd i m e n s i o n sa n d w e i g h tb yt h i sh a n d - o f fm e t h o dh a sg r e a ts i g n i f i c a n c ei ns c i e n t i f i cm a n a g e m e n to ft h ep i g s p r o d u c t i o n t h i sm e t h o dn o to n l yf r e e sh u m a nf r o mh e a v yl a b o r , r e d u c e st h el o s so fp r o d u c t i o nc a u s e db ys t r e s s e s ， b u ta l s om o n i t o r st h ep e r f o r m a n c ea n dg r o w t ho f p i gc o n t i n u o u s l y k e yw o r d s ：p i g ，d i m e n s i o n s ，w e i g h t , c o m p u t e rv i s i o n l i 独创性声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成 果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发 表或撰写过的研究成果，也不包含为获得中国农业大学或其它教育机构的学位或证书 而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明 确的说明并表示了谢意。 研究生签名： 姚锄鼬间：? 硫话年具i j h 关于论文使用授权的说明 本人完全了解中国农业大学有关保留、使用学位论文的规定，即：学校有权保留 送交论文的复印件和磁盘，允许论文被查阅和借阅，可以采用影印、缩印或扫描等复 制手段保存、汇编学位论文。同意中国农业大学可以用不同方式在不同媒体上发表、 传播学位论文的全部或部分内容。 研究生签名： 物勉 硝阚：j 现每占日l j 日 ：獬 慨加刚胁日 中国农业大学颤 学位论史第一章绪论 1 1 研究的背景和意义 第一章绪论 现代化养猪，就是采用先进的科学技术，借助一定设施，创造适宜猪营养需要的饲料供应体 系、良好的生活环境、卫生条件和配套的健康保健措施等；并且能够达到高生产水平、高劳动效 率、高经济效益和优质产品的生产目的，且具有一定规模。如图i - i 所示：庄现代化养猪业中， 全部的生产艺大致可以分为以下儿个部分鸭 生活节律 流程 时限 7 - 1 4 d 1 1 4 d 3 5 d 3 5 d9 0 d 图i - i 生产工艺流程图 f i gi - ip r o d u c t n o w c h a r t 我国是养猪大国，养猪历史悠久，猪种资源丰富。我国猪种的繁殖力高、抗逆性强、肉质好， 为世界养猪科技工作者所瞩目。随着畜牧业产业结构的调整，种猪的生产己由过去的生产方式和 生产规模逐渐向集约化、规模化和现代化发展，养猪的观念也由传统的方式向现代养猪观念转变。 因此，规模化猪场种猪管理显得尤为重要。 改革开放二十年来，由于养猪的科技含量得到很大的提高，我国生猪生产已经摆脱了传统单 一饲养的模式束缚，逐渐向规模化、集约化方向发展。但是就目前来看，我国的养猪生产水平和 科技发展，总体水平同国外养猪先进国家相比还存在很大差距：如一年提供的商品猪数量和饲料 利用效率等。这体现在生产管理和环境条件等各个方面。生产者不能随心所欲地控制市场价格， 因此，他们只能通过控制成本( 人力、饲料和设备等) 来维持利润。其中饲料转化率占成本的四 分之三甚i ! i i e 多t 2 - 3 1 。我国的养猪业已从纯粹的家庭副业成长为啦市场为导向的农业支柱产业与 传统的家庭副业型养猪相比，加大了对遗传性能和环境设施的资金投入，养猪生产是否盈利更加 取决于猪群的饲料转化率的高低。 在种猪的育种过程中，选种是一个重要环节，选择的标准除了体态的差异外，生长速率和饲 料转化率也是选种的重要指标。生长速率的测量方法是：1 、恒定体重范围内的平均日增重；2 、 中国农业大学倾士学位论文第一章结论 恒定时问内的平均日增重：3 、一定体重的日龄；4 、达到一定日龄的体重。饲料转化率的计算方 法是：f c r = 测定期的总耗料揖舰9 定期的总增重。因此有效生产的关键就是通过连续监测来维持 最优生艮率和饲料转化率。体重则是影响这两个指标的重要因素，体重测量是生产管理中的项 重要环节，它可以为评价动物的营养、生长环境和卫生条件提供重要的依据。在种猪场日常饲养 管理中，经常需要对种猪进行定期称重，然后根据体重变化检查饲料是否适当，以便调整日粮以 及日后的选种以及屠宰。传统的方法：如采用体重箱测定种猪体重，不仅费时费力而且给猪造成 应激反应，从而产生不良影响：如生产性能下降、发病、甚至死亡，给生产带来很大的损失。所 以在生产实践中由丁种种条件的限制，在种猪的生长划多数只测量一次体重。后来，电子称重设 备逐渐应用于生产当中，尽管这些测量仪器可以提供精确连续的体重监测，但由于体重平台的污 秽积累，很容易影响结果的精确度，需要饲养员不停地做清洁_ t 作，耗费大量人力。 随着自动化技术的不断进步，新设备( 超声波技术和种猪性能测定自动化系统) 提供了新的 选育指标：活体膘厚、眼肌面积、肌随脂肪含量、采食能力、饲料利用率和不同时期的生跃速度 等。如b 超技术不仅可以测定背膘厚度、眼肌面积，还可以用于肌肉面积含量的活体度量。又如 法国a c e m o 公司推出的a c e m a 6 4 新一代猪自动化性能测定系统，可以准确记录自由采食情况 下群体猪的个体采食量( 以及体重) ，料槽里的电子测量系统可使猪的进食量精确纠2 9 。美国的 o s b o r n e 工业公司生产的e 1 r + e 系统具有相似的功能，当猪进入测定站采食的时候，测定站将记 录电子耳号、采食时间、采食量以及体重。随着测定时间的推移，测试猪群中的每头猪在每一天 或整个测定时间内的饲料采食行为，如采食量、采食持续时间和体重等均被记录。然后，测定站 计算机自动计算分析形成测定猪生长期的日增重、采食量、饲料转化率等数据报表。而在传统 的手工喂料测定中，不但费劳力，而且可能会因称重及饲料造成误差( 通常在5 以上) 。影响测 定的精确性。采用自动化设备进行种猪的性能测定，上述问题就会迎刃而解。但是这些设备成本 较高，需要人力经常去清洗和维护，长期在潮湿的环境中会造成损耗，因此需要研究一种更便捷、 节省的方法。 就上述问题的提出，国家8 6 3 课题“数字农业精细养殖平台技术研究与示范”策划了相关研究 内容。本课题旨在利用计算机视觉技术，研究估测种猪体尺和体重的方法，通过试验与研究，最 终构建一套种猪个体信息识剐系统。 现代计算机和视频技术的发展为猪体尺和体重的测量提供了精确、便捷的方法。利用计算机 视觉技术，通过实时拍摄、计算机获取和分析处理视频图像来评估种猪的体尺，估算其体重，从 而可以监测种猪的生长，也有助于研究猪的行为，为猪舍的环境调控提供依据。与传统方法相比， 种猪不会受到惊扰，减少了应激和物理伤害，这对仔猪和妊娠母猪尤为重要( 表1 - 1 ) 。 利用视觉技术来进行科学化管理的好处： 1 ) 可以实时连续地监测家畜的体重，测量其形态参数。 2 ) 使饲养者有更多的时间观察家畜的健康和福利。 3 ) 有效地显示了家畜生长环境以及它们的行为变化为环境调控提供依据。 4 1 帮助饲养者观测家畜的生长率，以便控制饲料、调节营养结构、减少废弃物的排放。 5 ) 有助于根据生长率判断健康状况，有利于日后的选种、育肥以及选择最佳的屠宰时间。 大大节省了人力物力，提高了生产效益和市场效益。 2 中国农业大学硕j ：学位论文第一章绪论 表1 - 1 传统测量方法和计算机视觉方法的对比 t a b l e1 - 1c o m p a r i s o nb e t w e e nt r a d i t i o n a lm e t h o da n dc o m p u t e rv i s i o nt e c h n i q u e s 传统测量方法 计算机视觉方浊 体重箱，电子秤直接测量 只能靠经验人士晦眼识别 小方便，耗时 造成肫激 接触式测量 需要大量人力 机械的 不能有技术上的改进 间接估算体重 自动识别猪的形态 方便，快捷 避免物理伤害 无接触武铡量 节省大量人力 电子的 能不断提高技术 1 2 国内外研究现状 1 2 1 国外研究现状 1 2 1 1 计算机视觉在农产品检测方面的研究 检测作物果实的成熟度对于确定作物生长阶段，对果实进行分级具有重要意义。利用传感器只 能测量果实的部分区域，而利用图像处理技术可以处理其表面的成千上万个像素点，根据果实表 面颜色、纹理、形状及大小判别其成熟度。特点是：方法容易实现、速度快、鲁棒性也好等等。 所以这类方法都比较成熟。 对果实成熟度的检测传统上分物理方法( 根据果实表面颜色、果肉硬度、果实干湿重进行检 测) 和化学方法( 根据糖、酸、淀粉含量检测) 。对于温室作物番茄来说，常用果实表面颜色来 测定其成熟度。 1 9 9 4 年，l i a ok 等1 4 1 人在用机器视觉对玉米粒的色彩与表面缺陷进行实时检测研究时发现， 用r g b 模型来辨别色彩，蓝色成分可在白色和黄色玉米间提供最大区别：用h i s 模型来辨别色 彩时，白色玉米和黄色玉米间的最佳区别是由色调( h ) 来提供的。 1 9 9 5 年，t a oy 等9 垮f 制成功了用于马铃薯和苹果颜色检测的机器视觉系统，主要用于区别 正常马铃薯与发芽马铃薯及黄色与绿色的“金帅苹果”，研究发现h i s 彩色系统用于颜色评价和图 像处理是非常有效的。在该模型的h 中不仅包含色彩信息同时还有亮度信息。这样就能在同一 帧缓存存储器中，同时存贮图像的色彩和亮度信息，从而大大提高了图像处理的速度和精度。利 用色度直方图表示颜色特征，采用多变量识别技术使该系统的分级正确率达到9 0 以上。 利用番茄的表面颜色信息来评价其成熟度也是此领域一个研究热点。 1 9 9 5 年，韩国学者c h o ik 嘲等人根据美国农业部( u s d a ) 关于番茄成熟度的分级标准，利 用彩色图像处理技术把新鲜番茄分为6 个等级，测试结果表明：计算机判别与人工识别的一致率 为7 7 ；如果只分为3 个等级，则一致率可达9 8 3 。他们还建立了番茄成熟度指标t m i ( t o m a t o m a t u r i t yi n d e x ) ，使量化评价成为可能。 1 9 9 6 年，美国伊利诺伊大学的r e i d j f 教授 7 1 对彩色视觉系统特性进行了研究，指出在多种 3 中国农业人学硕_ l 学位论文 第一章绪论 颜色模型中，h i s ( 色调、饱和度、光照强度) 颜色模型与人眼感觉颜色的原理相似。在h s i 模 型中，光照强度( 1 ) 对色凋( h ) 和色彩饱和度( s ) 几乎没有什么影响。作荷还建立了h s i 模 型与r g b ( 红、绿、蓝) 模型的转换关系。他的研究为彩色图像处理的应用奠定了理论基础。 2 0 0 2 年，p a o l o g a y q 等为了根据表面颜色对水果进行品质分级研制出了一套新型图像采集 系统，并提出了一种描述水果表面颜色信息的方法。利用该图像采集系统，对于在不同覆盖物环 境下生长的苹果颜色识别取得了较好的效果，果园内用草皮覆盖比闱胡麻或木片覆盖的苹果在小 于2 0 。的色度范围内的累计频度要高。相应地，其外观质量也更受消费者喜爱。利用这个方法， 可以评价农业技术的实际效果及无损检测水果的成熟度。 2 0 0 4 年，y o s h i n o r ig e j i m a t9 j 等人通过几种方法判别番茄的成熟度，通过r g b 、h i s 、l a 铀+ 三个颜色系统的图像分布频率以及频率分布与成熟度的相关系数对比，结果显示用r g b 颜色系 统判定精确度较高，还用回归公式判断成熟度，精确度达到7 8 3 。 1 2 1 2 计算机视觉技术在植物生长情况监测中的应用 利用计算机视觉技术对植物生长进行监测具有无损、快速、实时等特点，它可以检测设施内 植物的叶面积、茎杆直径、叶柄夹角等外部生长参数。还可以根据颜色信息判别作物缺水缺肥以 及虫害影响等情况。并由此确定和实旋相应的控制策略。国外在利用计算机视觉技术监测植物生 长方面已经开展了许多研究，具有代表性的研究成果有： 1 9 9 2 年，美国学者t m o i e ntp 等人探索了利用图像处理方法测量马铃薯面积的方法。从三 个互相垂直的角度采集植物图像，经过中值滤波、阈值分割后计算各个图像中的叶片面积，然后 将由三幅图像计算出的叶面积在三维空间中合成为植物真正的叶面积。结果表明：利用图像处理 方法测量马铃薯叶面积具有较高的准确性。 1 9 9 5 年，s h i m z uh 和h e i n srd l l q 对利用机器视觉技术和近红外光进行非接触式植物三维 生长信息测定的技术作了研究，在三维空间里求出作物的茎秆长度，用作生长率的计算。所研制 监测系统的分辨精度可以达到0 0 5 个象素或o o z 5 m m ，该系统每隔1 2 m i n 记录一次并连续记录 3 d 所获得的信息后发现，白天和晚上的平均生长率分别为1 7 4 m m h 和0 6 5 m m h ，白天的生长速 度要远远高于黑夜，这为合理控制植物的光照条件提供了依据。 1 9 9 6 年，a b r o a dis 等口1 1 利用彩色图像信息评价缺水和缺氮对玉米生长的影响及由此而造成 植株的r g b 色彩特征，建立了r 、g 、b 值与色调、饱和度、及亮度之间的色度坐标变换关系， 研究发现：与r g b 值相比，h i s 值能更清晰地表征玉米植株中的颜色变化，并表明色彩是一个 用来识别植株和叶子的有效分类特征，此结果可供进行灌溉和施用氮肥决策时参考。 1 9 9 5 年，荷兰w a g e n i n g e n 大学的v a n h e n t e n e j l l 2 研究了植物叶冠相对覆盖率与植物干重之 间的关系，建立了3 种数学模型，并且利用图像处理技术和有损测量对莴苣作对比实验，利用线 性回归方法，得到一个最优的模型。实验证实植物的叶面积与植物干重之间的确存在线性关系， 图像处理方法误差只有5 。这一研究结果为图像处理方法测量叶面积，预测植物干湿重提供了 理论依据。 1 9 9 5 年，l i n g p p 等【1 3 i 为了定量描述咖啡胚芽体细胞从成熟到萌发的发展过程，并预测胚芽 的发芽情况，利用机器人视觉采集了同一胚芽体细胞处予不周阶段时的2 幅图像，并用伸跃系数 和生长纵横比( 图像对主轴与次主轴的二阶矩之比) 作为2 个特征系数来描述胚芽体细胞的生命活 4 中固农业人学领十学位论殳第一章绪论 力，对4 2 6 个样本进行的实验结粜表明：该机器视觉系统预测发芽率的猫度为6 1 5 8 5 1 ，好于 专家人l 预测的精度4 3 1 6 9 。 2 0 0 2 年，日本千叶大学贺冬仙博士【1 4 】在其论文中采用双目立体视觉技术，对穴盘育苗的甘 薯幼苗进行测量，可以实现对株高、叶面积等参数的无损检测。 1 2 1 3 计算机视觉技术在动物生长监测方面的应用 国外目前在工厂化养殖业方面的发展趋势是：更多的采取基于动物个体或小群差异性信息， 实现精细调控管理的精细化养殖技术【1 ”。因此利用计算机视觉技术监测动物的行为，为动物生民 提供更好的生长环境。在畜牧业中得到了日益广泛的应用。研究动物行为主要是为了关心动物福 利，并且研究动物生活习性和监测动物的生长过程，提高生产效率。 1 ) 计算机视觉技术在动物行为监测方面的研究 研究生物生活习惯，改善动物健康与福利，严密监测动物疫情，以达到提高生产效率的目的， 就要对动物行为进行监测。从而为其提供适宜的生活环境。国外很多学者通过图像处理技术来判 断猪舍的热环境从而对其温度进行适时地调节。 依阿华大学的x nh o n g w e l ! ”1 教授把受热环境制约下猪的行为特征用图像分析方法定量化， 得到控制猪舍温度所需的输入参数。根据睡眠区对应的图像窗口猪的占有率和时间，决定猪的热 舒适程度。通过对猪的热环境监测，从而对猪舍温度进行控制( 见图1 2 ) 。 围1 - 2 热环境监洲示意图 f i g l - 2h o te n v i r o n m e n tm o n i t o rs k e t c hm a p 1 9 8 4 年，b r u c e 和b 0 0 f 】7 j 1 s l 在实验室的环境下，利用拍摄群猪的图片，观察了在热环境下， 猪的自我调节行为，研究了猪休息时占地面积和外界温差之间的关系。 1 9 8 8 年，g e e r s 等1 1 9 1 研究了6 头雌性小猪行为和温度的关系，通过图像技术自动分析猪并排 睡眠和相互触碰的次数，以及通过计算象素数得到规定区域猪的空间占有率，作为温度控制设定 值。l a b ，k u l e u v e n 提供了与猪的这种热环境自我调节行为更为相关的视觉参数，通过测量猪 群与空气接触的身体部分的表面积来为猪舍的温度调节提供更多的信息。 1 9 9 1 年，s c h 0 丘e l d 【捌分别从视觉技术在热环境中动物行为的监测，光谱图像技术检测肉产品 5 中国农业人学硕f j 学位论文第一章绪论 质茸等方面评价了视觉技术在家卣生产应硝中的可行性，并分析了图像分析的算法和硬件系统的 选取原则。 在皆禽运输过程中，如何减少动物在长途运输中的惊恐程度，是生产中面临的一个问题。1 9 8 8 年，r a n d a l l 口“利用计算机视觉技术监测了动物在开敞式、露天式、封闭式等不同的装运方式下 的应激反映。 目前对设施养殖鱼的行为研究开始进行，对鱼的行为用图像处理的方法甚化研究刚刚起步， 还没有达到在生产条件下的虑用，对于目前鱼的行为量化方法和计算机处理速度还不能实现实时 根据鱼的行为信息的控制和判断处于应激状态，还有待于研究更快更好的鱼的行为量化方法。 1 9 9 6 年，k a t o s a t o r u z 2 开发了计算机图像处理系统来定量记录单条金鱼的行为。系统由安置 在水族箱上方和侧面的两个摄像机、两块图像输入输出卡和计算机组成，处理获得的两幅图片， 能得到单条鱼的三维坐标，并能计算出鱼的游动速度和游动方向，得到鱼在一定时间内的位置分 布图，二维和三维的运动轨迹。 1 9 9 6 年，d o f i t hi s r a l i l 2 3 1 等用计算机视觉系统监测在溶氧不足应激条件下鱼群在水槽中的行为 变化。用两个摄像机分别从侧面和项部获取视频图像，基于灰度域值方法识别每条鱼的轮廓，计 算鱼的总数，计算每条鱼的投影面积和投影中心的两个坐标，交替对两台摄像机获得的图片进行 处理。使鱼群在溶氧不足的条件下的行为变化地到监测和量化，并发现这种应激条件下鱼群的行 为新模式，即在槽中垂直方向上作周期性运动。 2 0 0 0 年，z i o n 2 4 1 等在鱼游过透明容器时获取鱼的侧面图像，通过图像处理的算法实现了混养 在一起的三种鱼的分类，识别正确率大于9 0 。 2 0 0 5 年，l e m y i ”喀人利用计算机视觉技术识别母鸡的六种动作( 站立、坐、睡、理毛、 抓、啄) ，并且与人的视觉观察作了对比。仓u 建了四种行为的动态模型，最后进行了分级。按分 级率大小排序结果为：睡 站立 抓 坐 理毛 啄。表明静态时的精确度明显大于动态 时的精确度。 2 ) 计算机视觉技术对动物形态参数测量及重量估计 利用计算机视觉技术可以对动物形态尺寸及重量进行估测。传统给猪称重主要采用电子称， 但是这种方法工作量大，而且只在断奶前和屠宰前各进行一次。由于猪的体重与二维几何量存在 相关关系，利用图像处理方法通过测量动物体形，间接测量猪的重量，实现连续监测猪的体重， 有利于实现最佳的生产管理。 1 9 8 8 年，d e s h a z e r ”1 归纳了图像处理技术在畜牧业中9 0 多种的潜在用途，其中体重的测量 作为一个重要的应用。并以猪体重估计为例，分析了传统测量方法的困难和造成的损失。通过对 比，说明图像分析技术的优越性。 1 9 9 0 年，s c h o f i e l d i z t 分析了传统测量猪体重的方法的弊端以及猪体尺与体重之间的相关性， 用摄像机采集猪的俯视图和侧视图，应用图像处理技术分析各二维特征参量与体重之问的相关 性，得出体重与投影面积的相关性最大。1 9 9 3 年【1 0 l ，他开发出了一套实验室条件下猪体重测量 系统，用该系统分析每头猪的平面投影图，同时记录下饮水间隔和饮水频率，进而可以估计出猪 的体重，5 0 7 5 k g 之间的猪体重误差不超过5 。 1 9 9 4 年，日本学者m i n a g a w a 口l 等通过一个封闭的实验箱对3 3 头猪进行了监测，并且采用的 是基本的初级图像技术来检测猪的轮廓。测量了投影面积和一维体尺参数，并且利用电子秤测得 6 中国农业大学硕l 学位论文 第一章绪论 的数据米观察体重和i 这些参数之间的关系。结果发现投影面积与体重的相关性最大。 1 9 9 9 年，s c h o f i e l d1 2 9 1 通过电子耳号识别猪的个体，并1 l i 】数码摄像机连续采集图片，用图像 处理技术分析了三种猪的投影面积与体重的关系，并分析了不同体重范围里的误差。 1 9 9 9 年，m a r c h a n tj a 和s c h o f i e l d 【3 0 l 对2 0 头猪进行实验，测量了去除头部以后猪的身体部 分的投影面积( a 4 ) 以及腹宽、臀宽等参量并分析了它们和体重的相关性，结果表明：a 4 与 体重的线性相关性很大，臀宽与体重的相关性也比较大，但是受性别的影响。 目前，他们利用v l a ( v i s u f l i m a g e a n a l y s i s ) 开发了一套监测系统i m s ( i n g r a t e d m a n a g e m e n t s y s t e m ) ，把摄像平台得出的数据结合猪舍其他参数：如采食量、温度、通风量和空气质量，再 用程序与性别、年龄、遗传和生长目标综合起来，用来监测生长和行为，自动调节营养平衡，使 其能达到目标体重和生长状况，能够精确地提供屠宰时间和重量，更好的提高管理的效率和实用 性。 2 0 0 3 年，m m a g a w a 3 l 】又改进了实验装置，通过设置饮水装置，使猪在无约束的情况下用摄 像机和投影仪采集图片，测量投影面积。利用视差计算猪的体高，带入回归的经验公式，最后得 出猪的体重，相对误差在2 1 以内( 见图1 - 3 ) 。 田1 _ 3 视觉监测系统 f i 9 1 - 3c o m p u i c rv i s i o nm o m t o i i n gs y s t e m 2 0 0 4 年，w h i t t e m o r e c t 旧主要从管理生产过程角度出发，阐述了v i a 技术的优越性，能 够测量动物的形态，也有利于屠宰后尸体的质量鉴定，并用它估算了三个品种的猪的体重和投影 面积的关系式。结果表明：在不同的体重范围回归公式会有差异，而性别对体重回归公式的影响 比较小。 此外，国外学者还利用立体视觉技术对鱼进行形态参数的估测。此方法较二维图像分析技术 测量结果精确度高，但复杂度也有所提高。 t o n iab e d d o w ( 1 9 9 6 年) f ”州和p e n c i l 等都用两个处于固定位置的摄像机组成立体视频 系统拍摄鱼的图像，人工选择合适的图像，人工在成对的图像上用鼠标标出某些特征点或标记点 7 中困农业大学倾上学位论文 第一章绪论 如鱼鼻、尾、背鳍、腹鳍等，利用计算机图像处理和两个摄像机与鱼的几何关系计算确定相麻的 几何尺寸，进而利用鱼的身体特征几何尺寸与鱼的重量之间的关系评估鱼的生物最。这种方法需 要人的大量参与，而且鱼在水中的图像比较复杂。 2 0 0 1 年，k a t o ”1 等针对以上情况，由两个连接到计算机的垂直安放的防水黑白摄像机组成硬 什系统，两个摄像机用同一个外部同步信号，同时获取一系列图像并存储，用二进制模式分类器 的方法识别类似鱼的目标，采用点分布模型进行图像识别，识别出鱼的边界后在三维空间里定位。 利用一系列用形态尺寸评估鱼重量的线性回归方程来评估鱼的重量。结果从立体图像中提取的线 性尺寸的相对误差小于1 0 鱼的质量测量相对误差为1 8 ，标准差为9 。 2 0 0 2 年，c a r l o s a t 3 6 】等研究了温度对w h i t e f i s h 幼鱼生氏的影响，利用简单的单目视觉技术， 使幼鱼处于离镜头固定的位置，位置靠近标准刻度尺，方向垂直于光轴。先评估鱼的长度，再利 用长度和重量的关系评估鱼的重量，长度的平均误差为+ 0 1 6 ，重量的平均误著为一2 0 5 ，并使 在测量过程中幼鱼的死亡率大大降低，这种方法需要将鱼限制在一定的空间位置上，但系统硬件 和图像处理方法简单。 1 2 2 国内研究状况 我国对计算机视觉在农业工程中的应用研究起步较晚，目前国内研究主要集中在农产品品质 检测和分级方面，如水果的大小形状缺陷的监测和分级，其他农产品如番茄的成熟度的检测。另 外还有应用于精细农业的计算机视觉杂草自动识别技术等。国内计算机视觉技术在设施农业方面 的研究还并不多。与国外相比尚有较大差距，还需进一步在深度、广度及实践方面做出努力。 1 2 2 1 计算机视觉技术在农产品检测中的应用 1 9 9 7 年。吉林工业大学的杨秀坤博士肿通过计算机视觉技术获取苹果的色度直方图并提取 其表面颜色特征，采用先进的遗传算法建立了一个多层前馈神经网络系统，从而实现了苹果成熟 度的自动判别。实测表明；该方法准确率较高，并具有鲁棒性、灵活性和高速度。 1 9 9 8 年，何东健等例在分析果实表面颜色色相分布特性的基础上，提出将果实色相分布曲 线作为模式处理，用人工神经网络进行果实表面颜色分级的方法。结果表明：人工神经网络分级 与人工分级的一致度在9 4 以上。 1 9 9 9 年，应义斌等【3 9 l 研究了黄花梨形状与表面缺陷的机器视觉技术，利用r g b 模型检测果 面缺陷，提出利用红( r ) 、绿( g ) 色彩分量在坏损与非坏损交界处的突变，求出可疑点，再经区 域增长求出整个受损面，试验对比表明该算法是精确的。 2 0 0 0 年，张长利等人【帅l 的利用遗传算法训练的多层前馈神经网络实现番茄成熟度的自动判 别的研究。对5 0 个不同成熟度的番茄样本进行检测。结果表明：用遗传算法网络的分级效率和 准确率都比b p 网络高。 2 0 0 0 年，陈佳娟等h 1 】人利用计算机图像处理技术和遗传神经网络技术，建立了一个多层前 馈神经网络实现了大田玉米和背景图像的正确识别，并且通过获取玉米叶的色度直方图提取了 玉米叶表面颜色特征，进而求得了玉米叶色的测定值。实验结果表明：玉米叶色值自动测定系统， 识别玉米的准确率可达9 1 6 ，可以有效地测定玉米的叶色。该研究为实现大田玉米的化肥精确 施用提供了理论依据。 8 中固农业大学硕1 学位论义第一章绪论 2 0 0 0 年，黄犀奕1 4 2 l 等人提出了用计算机视觉系统代替人眼对大米胚芽进行白动识别的方法。 通过对胚芽米颜色特性和彩色图像的分析研究，提出以饱和度s 作为特征参数进行胚芽和胚乳的 识别，从而实现了对大米留胚率的自动检测。 2 0 0 2 年，毛罕平、徐贵力等人m 1 以肉眼不能识别的番茄缺氮和缺钾初期为研究对象，对体 现在叶片颜色和纹理上的缺素症状进行了特征提取，利用遗传算法对提取的众多缺素特征进行优 化组合，选择出用于模式识别分类器设计的特征向量。建立了二义树分类法对番茄缺素进行模式 识别的框架，在该框架下，基于模糊k 一近邻法建立了缺素的模式识别系统。 2 0 0 5 年，王树文m 】综合利用了计算机视觉技术、b p 算法和人工神经网络技术，实现了番茄 损伤的自动检测和分类。研究中缺陷检测方法和特征提取方法的采用，使该计算机视觉系统节省 了时间，提高了精度试验证明番茄损伤检测和分类的准确率不低于9 0 。 1 2 2 2 计算机视觉技术在作物生长状态监测中的应用 计算机视觉技术对植物生长情况的监测研究主要集中在近1 0 年中，与国外相比，我国突破性 成果较少。但这些研究从不同侧面为我国视觉监测技术的发展，以及实现智能化控制提供了一定 的理论和实践基础。 1 9 9 5 年，吉林工业大学的陈晓光、周云山m l 等应用图像处理技术对蔬菜苗的各种特征量进行 识别，对其生长情况进行分析与判断，从而为移栽提供了必要的信息。 2 0 0 0 年，白景峰i 柏j 等利用计算机视觉实现了苗高、根长、冠投影面积等1 2 个针叶苗木的提取。 2 0 0 1 年，吕超辉1 4 7 1 等在二维图像空间将秧苗茎部角度信息简化为一条直线，然后利用在同一 秧苗的两幅不同图像上简化的两条直线和两摄像机参数矩阵进行空间直线三维重建，完成秧苗直 立度的测定。 2 0 0 2 年，徐贵力m 增也探索了无损测量叶面积的方法，利用参考物法代替测量系统的标定， 但是只能将番茄等长叶茎作物的叶片伸入光照箱测量，缺乏灵活性和可操作性。 2 0 0 3 年，中国农业大学李长缨【4 9 】利用计算机视觉系统对黄瓜幼苗生长进行无损监测，通l 对顶视图和侧视图的处理和分析，实现了叶冠投影面积、株高、叶冠投影周长、茎租、叶柄夹 等六个形态特征参数的无损测量，对叶面积和干鲜重进行了预测。用图像处理方法测量植株的平 均株高与人工测量的结果的相关系数可以达到0 9 2 7 。用实验验证了利用叶冠投影面积的变化率 可以作为植物缺肥的一个指示因子。 2 0 0 5 年，张彦娥【5 0 1 等人应用计算机视觉技术研究了诊断温室作物营养状态的方法，在目光 条件下采集了温室黄瓜叶片图像，然后分别提取了红绿蓝( r g b ) = 色分量和它们的相对系数r g b ， 以及色度、饱和度和亮度( h i s ) 。在r g b 和h i s 颜色模型下分析了各分量与叶片含氮率、含磷 率和含水率之间的关系。结果表明：叶片绿色分量g 和色度h 分量与含氮量线形相关，而其他 分量与含氮量没有明显的相关性。颜色分量与含磷量和含水量没有明显的相关性。 1 2 2 3 计算机视觉技术在动物监测中的应用 国内的师守坤教授已开展了应用图像测量手段进行奶牛体型线性评定的研究开发工作，并初 步建立了一套奶牛体型评定的硬件和软件系统。 中国农业大学的陈顺三博士口1 i 在这方面进一步做了研究工作，并设计了一套奶牛图像信息 管理系统。手工测量的工作量大，精度难保证，并有一定的危险性。而利用数字图像方法分析具 9 中国农业大学硕卜学位论史 第一章绪论 有快速、安全和精度高等特点。 综上所述计算机视觉技术目前在农业工程领域已经得到了j “泛应用，国内将计算机视觉技 术应用于农产品检测和植物生长监测，但是家畜生长监测工作才刚刚展开。利片j 计算机视觉技术 监测动物的行为，为动物生长提供更好的生长环境，在畜牧业中得到了日益广泛的应用。 现代畜牧生产要求通过建立一个集信息收集、信息传输、信息优化和信息控制为一体的技术 平台，对养殖业所涉及的对象和全过程进行数字化和可视化表达、控制和管理，将工业可控生产 思想引入养殖业，把信息技术作为养殖业的重要元素，参与到养殖业的各个环节，是数字农业在 畜牧养殖业的一个重要体现。 1 3 研究的目标和内容 】3 1 研究目标 在我国种猪生产管理中，饲养者经常根据种猪体重来判断生长率、食物转化率、营养结构咀 及种猪健康状态和福利，便于日后选种育肥和屠宰。为了降低成本、提高生产效益，解决传统管 理方式的问题和弊端，本研究通过调研国内外相关研究的现状和存在的问题，在国家8 6 3 课题“数 字农业精细养殖平台技术研究与示范”的资助下，根据种猪的饲养工艺要求，选用视频图像处理 技术无接触测量种猪体尺和体重，并研究相关种猪生长监测系统。通过对种猪体尺形态参数进行 定量描述，进而估算其体重，并结合获取的猪舍环境参数，建立种猪生产档案，并以种猪个体信 息数据库的形式，将种猪个体信息：品种、谱系，年龄、体重、体尺、性成熟、胎次、产仔数和 利用年限等要素进行资源共享，最终对其生长状况进行评估，提出相应的管理措施。 1 3 2 研究内容 1 ) 种猪个体信息识别系统平台的搭建 图像采集硬件的选择将直接影响到拍摄图片的质量、处理速度和精确度，随着视频技术的提 高和硬件成本的降低，选择并设计合理、高效的硬件系统是关键。在本研究中，从关心动物福利， 密切贴近实际生产的角度出发，硬件系统的设计将突破传统封闭式的试验模式( 封闭试验箱) ， 拟采用无约束性的监测系统，在实验室中模拟猪圈内部环境，首次利用一体化网络摄像机从话个 方向同时获取种猪图片，并结合其它设备( 电子耳号、环境参数采集) 使整个系统的功能不断完 善，增强生产实用性。 2 1 种猪图像处理算法的研究 目前国内的研究对象多为静态的、不易受损的农产品个体。而动物大多数处于不可控的环境 中其图像背景是随机的；光照是变化的；形态是任意的，因此要求图像处理算法具有相当强的 鲁棒性和自适应能力。需要努力寻求图像表达与解释的新方法，克服客观条件带来的困难。在本 研究中，需要根据现场的环境和种猪本身的形态特征，设计适用的图像处理算法，来完成图像分 割、特征提取等功能。有效精确地测量种猪体尺参数，进而估算出种猪体重。 3 ) 种猪个体信息识别系统软件的开发 以前经常被人们使用开发软件的平台有：v b 、v c 等。本研究拟采用一种专业的控制系统软 件开发平台- - l a b w i n d o w s ，对于其他开发工具( v c 、v b ) 而言，l a b w i n d o w s 的优点是在其硬 l o 中国农业大学砸l + 学位论文第一章绪论 件的控制和数据处理能力上，以标准c 语言为基础，提供了灵活的开发手段和强大的开发功能， 对数据库和网络的支持能力也很人，开发专用的种猪个体信息识别和管理系统软