利用计算机视觉技术估测种猪体重

合集下载

利用图像处理技术自动估算猪胴体参数

利用图像处理技术自动估算猪胴体参数

收稿日期:2005208231;修返日期:2005212213基金项目:国家“863”计划资助项目(2002AA24805122)利用图像处理技术自动估算猪胴体参数3郑丽敏1,于 铂1,唐 毅1,朱 虹1,田立军1,任发政2(中国农业大学1.信息与电气工程学院;2.食品科学与营养工程学院,北京100094)摘 要:采用图像阈值分割和彩色分割算法,以及轮廓跟踪和拐点提取方法,成功实现猪二分体图像特征提取,用VC ++语言实现自动估算猪胴体图像参数。

研究结果表明迭代阈值分割和彩色分割算法能正确地分割二分体图像,距离求索法能够对拐点正确提取,进而确定特征点。

用获取的图像特征与胴体实测值建立的关系模型有较好的线性关系(p <0101),表明图像处理技术可以快速无损地估算猪胴体参数,评价猪肉质量。

关键词:图像处理;图像分割;特征提取;背膘厚;腿臀围中图法分类号:TP391 文献标识码:A 文章编号:100123695(2007)0120203204Evaluating Para meters of Hogs ’s Carcass U sing I m age Pr ocessing Technol ogyZ HE NG L i 2m in 1,Y U Bo 1,T ANG Yi 1,Z HU Hong 1,TI A N L i 2jun 1,RE N Fa 2zheng2(1.College of Infor m ation &Electrical Engineering;2.College of Food Science &N utritional Engineering,China A gricultural U niversity,B ei 2jing 100094,China )Abstract:The threshold seg mentati on and col or seg mentati on algorith m s are adop ted,the i m age features of half carcasses isobtained using the track outline and inflexi on method,VC ++is then used t o calculate the fat thickness,area of butt ocks au 2t omatically .The results indicate that the repeatedly threshold seg mentati on and col or seg mentati on algorith m s could seg ment the half carcass i m age;The distance track method could correctly seek inflexi on,then confir m the i m age features .Fat thick 2ness,area of butt ocks of hog ’s half carcass could be esti m ated aut omatically using the established models in this study with i m age p r ocessing technol ogy,m ini m izing human err ors and conta m inati on,and i m p r oving efficiency in assessing pork quality .Key words:I m age Pr ocessing;I m age Seg mentati on;Features Obtaining;Fat Thickness;A rea of Butt ocks 猪肉的质量是影响生猪养殖和屠宰加工企业经济效益的重要因素。

基于计算机视觉技术育肥猪体重分析研究

基于计算机视觉技术育肥猪体重分析研究

基于计算机视觉技术育肥猪体重分析研究计算机视觉技术在现代畜牧业中得到了越来越广泛的应用,尤其是在猪育肥过程中,对于猪体重的准确测量具有重要意义。

本文将介绍计算机视觉技术在育肥猪体重分析中的应用,探讨其优势和应用前景。

一、研究背景与意义目前,肉猪生产已经成为我国畜牧业的重要组成部分,但是如何高效地控制猪的体重仍然是养殖户们面临的一个难题。

传统的体重测量方法主要为人工称重,这不仅耗时耗力,而且猪的体型大、数量多,难以及时准确地测量,也无法保证测量的准确性和可重复性。

随着计算机视觉技术的快速发展,利用图像处理算法可以高效地捕捉猪的影像信息,实现猪体重的自动测量和记录,从而提高养殖效率和降低生产成本。

二、技术原理与方法(一)影像获取与预处理为了获取高质量、高分辨率的猪影像,首先需要保证光照和拍摄环境的稳定性和一致性,利用高清相机进行拍摄,同时根据猪所处的环境和光照条件进行相机参数的调整。

然后通过图像预处理技术对采集到的图片进行处理,包括灰度化、滤波、二值化等操作,去除噪声和干扰,提高图像清晰度和对比度,为后续图像分割和特征提取做好准备。

(二)图像分割与特征提取图像分割是指将图像中不同的物体分离开来,获取物体的轮廓和边缘信息,进而提取物体的特征信息。

对于猪体重分析而言,通过图像分割可以将猪的轮廓和背景分离开来,进而提取出猪的尺寸和面积等特征。

主要采用基于边缘检测、区域生长、分水岭算法等方法进行图像分割。

特征提取是指从图像中提取出有代表性的特征信息,为后续的分类和识别打下基础。

常用的特征提取方法包括傅里叶变换、小波变换、灰度共生矩阵和局部二值模式等。

(三)体重估计与模型训练经过图像分割和特征提取后,得到了猪体型特征和重要指标,通过建立回归模型,将各项指标转化为体重数据,并进行模型训练。

回归模型是指通过大量的训练数据,建立一个数学模型,实现对因变量(即猪的体重)的预测。

通常采用多元线性回归模型、逻辑回归模型等,通过交叉验证等方法选择最优模型。

一种基于计算机视觉识别的生猪监管方法及系统[发明专利]

一种基于计算机视觉识别的生猪监管方法及系统[发明专利]

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202010116562.8(22)申请日 2020.02.25(71)申请人 成都睿畜电子科技有限公司地址 610000 四川省成都市天府新区华阳街道天府大道南段846号(72)发明人 黄金磊 吴海玲 卫燕峻 原明卓 何正 金皇 (74)专利代理机构 成都弘毅天承知识产权代理有限公司 51230代理人 杨保刚(51)Int.Cl.G06Q 50/02(2012.01)G06Q 40/04(2012.01)G06T 7/10(2017.01)G06T 7/60(2017.01)G06N 3/04(2006.01)(54)发明名称一种基于计算机视觉识别的生猪监管方法及系统(57)摘要本发明公开了一种基于计算机视觉识别的生猪监管方法及系统,涉及牲畜交易监管领域。

具体的,获取通过通道的猪只的第一视频数据,通过计算机视觉技术获取第一视频数据中每帧图像上的猪只位置,得到猪只位置信息;通过追踪算法对猪只位置信息进行处理,得到猪只数量信息;通过实例分割算法对猪只位置信息进行处理,代入猪只体表模型,得到单只猪重量信息;将单只猪的体重数据进行统计处理,得到总重和均重;将第一视频数据、猪只数量信息、单只猪重量信息、均重信息上传至企业平台。

本发明能够有效解决人工盘点耗时,人工盘点错误等问题,使得出猪环节更加的公正和透明。

权利要求书1页 说明书6页 附图1页CN 111369378 A 2020.07.03C N 111369378A1.一种基于计算机视觉识别的生猪监管方法,其特征在于:获取通过通道的猪只的第一视频数据,通过计算机视觉技术获取第一视频数据中每帧图像上的猪只位置,得到猪只位置信息;通过追踪算法对猪只位置信息进行处理,得到猪只数量信息;通过实例分割算法对猪只位置信息进行处理,代入猪只体表模型,得到单只猪重量信息;将单只猪的体重数据进行统计处理,得到总重和均重;将第一视频数据、猪只数量信息、单只猪重量信息、均重信息上传至企业平台。

基于双目视觉的猪体体尺参数提取算法优化及三维重构共3篇

基于双目视觉的猪体体尺参数提取算法优化及三维重构共3篇

基于双目视觉的猪体体尺参数提取算法优化及三维重构共3篇基于双目视觉的猪体体尺参数提取算法优化及三维重构1近年来,基于双目视觉的猪体尺参数提取算法在猪育种中应用越来越广泛。

通过利用猪体图像的立体信息,可以准确地提取出猪的身高、体长、胸围等参数,以辅助猪育种工作,进而提高猪的育种效率。

但是,由于生物体的形态复杂且多变,以及猪体表面的毛发、皮肤等干扰因素的存在,猪体尺参数的提取一直存在误差率较高的问题。

因此,如何优化猪体尺参数提取算法,并实现三维重构,已经成为研究的热点。

本文旨在提出一种基于双目视觉的猪体尺参数提取算法,并进行优化,最终实现猪的三维重构。

该算法的基本思路是,通过采集猪的左右两个视图图像,进行图像预处理,包括去除背景、提取猪体等操作,再利用立体匹配算法,计算出左右两张图像之间的视差信息。

根据视差信息,可以得到猪体上各个点的三维坐标,进而实现对猪体尺参数的提取。

具体流程如下:1. 采集猪的左右两个视图的图像,并进行图像去除背景处理。

这一步的目的是将猪体的轮廓从背景中分离出来,以便后续的猪体提取操作。

2. 猪体提取。

本文采用基于深度学习的猪体识别算法,对猪体进行提取。

该算法的基本思路是,通过训练深度神经网络,学习对猪体的特征进行提取,从而实现对猪体的自动分割。

3. 立体匹配。

通过计算左右两张图像之间的视差信息,得到猪体各点的三维坐标。

该算法采用经典的立体匹配算法,包括基于像素的区域匹配算法、基于特征的匹配算法、基于能量最小化的匹配算法等。

4. 猪体尺参数提取。

通过计算猪体各点的三维坐标,可以得到猪的身高、体长、胸围等参数,并实现对猪体的三维重构。

本文对上述算法进行了优化,主要从以下几个方面入手:1. 图像预处理优化。

本文采用了更加高效的图像去除背景算法,能够准确地将猪体从背景中分离出来。

2. 立体匹配算法优化。

本文采用了基于深度学习的立体匹配算法,在计算视差时能够更加准确地匹配猪体各点之间的对应关系。

基于计算机视觉技术育肥猪体重分析研究_张凯

基于计算机视觉技术育肥猪体重分析研究_张凯

得到猪的侧视图像 ,并 根 据 贴 在 猪 身 的 黑 色 矩 形 参 考 板计算出猪的侧视面积; 利用最小二乘法、逐步回归
收稿日期: 2016 - 04 - 20 基金项目: “十二五”国家科技支撑计划项目( 2014BAD08B05) 作者简介: 张 凯 ( 1989 - ) ,男,山 东 烟 台 人,硕 士 研 究 生,( E -
较小的对象 ,得到经 过 图 像 分 割 及 形 态 学 处 理 后 的 图
像,如图 3( d) 所示。
1. 5 面积公式推导
测量图像内猪体 面 积 的 常 用 法 是 像 素 计 数 法 ,就
是统 计 边 界 及 其 内 部 的 像 素 的 总 数 ,即 为 面 积,计 算
公式为
NM
A = ∑ ∑ f( x,y)
的提取提供条件。
为了能够把猪从 背 景 图 像 中 准 确 分 割 出 来 ,首 先
要分析猪的颜色 分 布 特 征 。 猪 的 颜 色 偏 淡 红 色 ,也 就
是猪的红色分量 R 较大,绿色分量 G 和蓝色分量 B 偏
小; 背景区域为深黑色和灰色,红色分量 R、绿色分量
G 和蓝色分量 B 的值大小一致。经过综合比较分析,
避免 这 种 情 况,为 图 像 的 形 态 学 处 理 提 供 便 利 ,分 割
结果如图 3( c) 所示。
经过图像分割后对图像取反得到所需的二值图
像。由于实验是在猪场内部进行的,背 景 较 为 复 杂,
分割后的图像不是 理 想 情 况 ,因 此 需 要 使 用 形 态 学 基
本运算对 经 过 分 割 后 的 二 值 化 图 像 做 形 态 学 处 理。
2017 年 5 月
农机化研究
第5 期

基于机器视觉技术的生猪活体监测系统

基于机器视觉技术的生猪活体监测系统

Monitoring system for liVestock growth based on machine Vision technology
CHEN Jing.Jing,PENG Yan—Kun4
tCollege《Engineer{ng,Chinn AgncuitHynl Universily,Be勺tng、啷3,Chin∞
第3卷第6期 2012年12月
食品安全质量检测学报 Joumal of Food Safbty and Quality
Vbl.3 No.6 Dec..2012
基于机器视觉技术的生猪活体监测系统
陈菁菁,彭彦昆+
(中国农业大学工学I党北京 100083)
摘 要:目的 通过图像处理技术计算活体猪的体型特征参数值,结合体重参数对生猪出栏肉产量进行预测。 方法采用工业摄像头获取活体猪的图像,采用Matrox公司图像采集卡并对其在Vc++开发环境中进行二次 开发,开发了一套基于机器视觉技术的畜禽活体检测系统。结果 实现活体猪不同角度图像的同界面显示和采 集,并基于Microsoft visual 2008软件平台开发了系统操作界面。结论该套系统结构简单,成本低廉,具有较 好的推广应用前景。 关键词:活体检测;机器视觉;肉产量
ABSTRACT:objective Tb develop a set of monitoring 1iVestock growth imaging system based on machine vision techn0109y.Method Images of pigs for analysis were collected using two low 1ight CCD Video cameras.Image processing techn0109y was used to calculate the body dimensions of pigs.Pig’s dimensions and weight were used to predict the post-mortem meat production.Results T访o Matrox video capture cards were used and secondaIy developed based on VC++to realize image display,save and calculate.A system operation interface was developed based on Microsoft visual 2008.ConcIusion The monitoring system is simple,

基于KinectV2_的猪体三维点云重构与体尺测量

基于KinectV2_的猪体三维点云重构与体尺测量

第 23卷第 1期2024年 1月Vol.23 No.1Jan.2024软件导刊Software Guide基于KinectV2的猪体三维点云重构与体尺测量李哲,林文祉,翁智,郑志强(内蒙古大学电子信息工程学院,内蒙古呼和浩特 024005)摘要:体尺参数是评价育肥猪生长状况的重要指标,针对单目CCD相机在猪体体尺测量中受角度、光源等因素影响导致的测量参数单一、测量结果误差较大等问题。

首先利用深度相机KinectV2从正上方和左右两侧视角同步获取猪体局部点云数据;然后进行点云去噪、精简分割等处理,运用改进后的ICP点云配准技术处理点云信息;最后采用精确估算技术精简点云数据。

在不同角度比较实验测量与人工测量的结果发现,猪体数据中体长平均相对误差为2.65%、体高平均相对误差为1.87%、体宽平均相对误差为1.75%、臀高平均相对误差为2.07%、臀宽平均相对误差为1.96%,整体上误差较小,证明了所提方法的有效性,以期为猪体尺寸测量提供新的解决方法。

关键词:育肥猪;图像处理;KinectV2;三维点云;体尺测量DOI:10.11907/rjdk.232094开放科学(资源服务)标识码(OSID):中图分类号:TP391 文献标识码:A文章编号:1672-7800(2024)001-0161-06KinectV2-based 3D Point Cloud Reconstruction and Body SizeMeasurement of Pig BodyLI Zhe, LIN Wenzhi, WENG Zhi, ZHENG Zhiqiang(School of Electronic and Information Engineering, Inner Mongolia University, Hohhot 024005, China)Abstract:Body size parameter is an important indicator for evaluating the growth status of fattening pigs. It addresses the problems of single measurement parameters and large measurement errors caused by factors such as angle and light source in pig body size measurement using a monocular CCD camera. Firstly, use the depth camera KinectV2 to synchronously obtain local point cloud data of the pig body from the top and left and right perspectives; Then, point cloud denoising, simplification and segmentation are carried out, and the improved ICP point cloud registration technology is used to process point cloud information; Finally, precise estimation techniques are used to streamline point cloud da⁃ta. Comparing the results of experimental and manual measurements from different angles, it was found that the average relative error of body length was 2.65%, the average relative error of body height was 1.87%, the average relative error of body width was 1.75%, the average rela⁃tive error of hip height was 2.07%, and the average relative error of hip width was 1.96% in pig body data. Overall, the error was relatively small, proving the effectiveness of the proposed method and providing a new solution for pig body size measurement.Key Words:growing and fattening pigs; image processing; KinectV2; 3D point cloud; body size measurement0 引言育肥猪养殖生产过程中连续监测猪体尺参数,能有效掌握猪的生长状态,是反映猪体健康与否的有效手段,是保证动物福利的有力工具。

一种基于图像处理的猪只体重测量方法、装置及存储介质[发明专利]

一种基于图像处理的猪只体重测量方法、装置及存储介质[发明专利]

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202010543162.5(22)申请日 2020.06.15(71)申请人 安徽工大信息技术有限公司地址 243000 安徽省马鞍山市霍里山大道北段698号马鞍山软件园2栋801室申请人 安徽工业大学(72)发明人 邰伟鹏 冷勇 桂再鑫 (74)专利代理机构 安徽知问律师事务所 34134代理人 王亚军(51)Int.Cl.G06K 9/00(2006.01)G06K 9/32(2006.01)G06K 9/46(2006.01)G06K 9/54(2006.01)G06K 9/56(2006.01)G06K 9/62(2006.01)A01K 29/00(2006.01)(54)发明名称一种基于图像处理的猪只体重测量方法、装置及存储介质(57)摘要本发明公开了一种基于图像处理的猪只体重测量方法、装置及存储介质,属于猪只体重测量技术领域。

针对现有技术中存在的猪只称重过程中耗费大量人力物力的问题,本发明提供了一种基于图像处理的猪只体重测量方法、装置及存储介质,测量方法包括以下步骤:对猪只图像进行预处理;对预处理后的猪只图像进行猪脸特征识别,判断是否存在完整的猪脸特征,若存在,则提取猪脸图像中的特征数据;将猪脸图像的特征数据与预设特征权重模型进行匹配,得到该猪脸图像对应的猪只体重。

本发明能够根据采集到的猪脸图像计算出对应猪的体重,无需人工进行干预,提高了生产效率,降低人工的成本。

权利要求书2页 说明书8页 附图6页CN 111639629 A 2020.09.08C N 111639629A1.一种基于图像处理的猪只体重测量方法,其特征在于,包括以下步骤:对猪只图像进行预处理;对预处理后的猪只图像进行猪脸特征识别,判断是否存在完整的猪脸特征,若存在,则提取猪只图像中的特征数据;将猪脸图像的特征数据与预设特征权重模型进行匹配,得到该猪脸图像对应的猪只体重。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

计算机视觉技术的优点
可以实时连续地监测家畜的体重,测量其形态参数。 可以实时连续地监测家畜的体重,测量其形态参数。 有效地显示了家畜生长环境以及它们的行为变化,为 有效地显示了家畜生长环境以及它们的行为变化, 环境调控提供依据。 环境调控提供依据。 帮助饲养者观测家畜的生长率,以便控制饲料,调节 帮助饲养者观测家畜的生长率,以便控制饲料, 营养结构,减少废弃物的排放。 营养结构,减少废弃物的排放。 有助于根据生长率判断健康状况,有利于日后的选种 有助于根据生长率判断健康状况, 和育肥以及选择最佳的屠宰时间。 和育肥以及选择最佳的屠宰时间。 饲养者有更多的时间观察家畜的健康和福利。 饲养者有更多的时间观察家畜的健康和福利。大大了 节省了人力物力,提高了生产效益和市场效益。 节省了人力物力,提高了生产效益和市场效益。
D(x,y) =
g(x,y)+b(x,y) - r(x,y) [g(x,y)+b(x,y) + r(x,y)]1.5
(4)图像分割:我们在这里选用阈值分割算法来分割图 图像分割:
像,选取象素的颜色分量来进行阈值分割的效果较好 。 颜色分量分析:我们根据图像的红r 三个分量, 颜色分量分析:我们根据图像的红r绿g蓝b三个分量,构 建一个图像D 该图像突出背景部分,减小前景部分: 建一个图像D,该图像突出背景部分,减小前景部分:
发展趋势:
(1)实验条件 (2)硬件设备 (3)软件算法
本研究是利用二维参数来测量体重,由于动物的形态特征 本研究是利用二维参数来测量体重, 比较复杂, 比较复杂,单纯的二维方法并不能完全反映它们的形态特 因此力于寻求一种更精确的3D方法。 3D方法 征,因此力于寻求一种更精确的3D方法。从获取的二维投 影图像中提取动物的三维结构信息, 影图像中提取动物的三维结构信息,这样可以更加准确地 测量出物体的几何参数, 测量出物体的几何参数,进而估计出其他的形态学参数 如体长,体高,胸围,体重等), ),并且还能连续监测动 (如体长,体高,胸围,体重等),并且还能连续监测动 物的行为,预估出它们的生长模型, 物的行为,预估出它们的生长模型,从而更加有效地改善 动物的生长环境,提高生产效益。 动物的生长环境,提高生产效益。 由于图像分析处理的难度,本研究还只限于处理单个对象, 由于图像分析处理的难度,本研究还只限于处理单个对象, 建议日后研究应多向群体和真实生产条件下深入。 建议日后研究应多向群体和真实生产条件下深入。且不同 种类的猪需要不同的算法找出体重和体尺之间的相关性, 种类的猪需要不同的算法找出体重和体尺之间的相关性, 通过提高软硬件的复杂性和精确度来获取更完美的图片, 通过提高软硬件的复杂性和精确度来获取更完美的图片, 提高系统的精确度和实用性。 提高系统的精确度和实用性。
二、研究方法
(1)构造计算机视觉硬件系统
红外电子耳号图像采集
(3)图像预处理:由于现场条件的限制,图像在拍摄过 图像预处理:由于现场条件的限制,
程中,会受到光照的影响或噪声的干扰,因此需要在处理 程中,会受到光照的影响或噪声的干扰, 之前对图片进行预处理,以提高图片的质量。 之前对图片进行预处理,以提高图片的质量。
(6)体重的估算:结合人工测量的体重,得出体尺和体 体重的估算:结合人工测量的体重,
重的回归方程式,作为新样本的计算公式。 重的回归方程式,作为新样本的计算公式。根据猪的种类不 生长阶段不同,回归公式也不一样, 同,生长阶段不同,回归公式也不一样,也就是并没有通用 的公式。 的公式。
三、结果与讨论
传统方法与视觉方法的对比
传统人工测量 体重箱,电子秤人工测量 体重箱, 只能靠经验人士肉眼识别 不方便,耗时,误差 不方便,耗时, 造成应激 接触式测量 需要大量人力 机械的 不能有技术上的改进 计算机视觉技术 间接估算体尺、体重 间接估算体尺、 识别猪的形态 方便,快捷,精确 方便,快捷, 避免物理伤害 无接触式测量 大量节省人力 电子的 能不断提高技术
根据种猪的饲养管理, 根据种猪的饲养管理,我们主要选用了四个主要 体尺(体长、体高、投影面积、体宽) 体尺(体长、体高、投影面积、体宽)作为特征 参量。 参量。 投影面积: 投影面积:计算闭环区域的像素个数 体高:计算对象在水平位置投影的白色象素点个数 体高: 体长: 体长:猪区域的主轴的长度 体宽: 体宽:猪背部和主轴垂直的最大宽度
利用计算机视觉技术 估测种猪体重
汇报人:杨艳 导师:滕光辉 单位:中国农业大学
一、研究意义
现代化养猪,就是采用先进的科学技术,借助一 现代化养猪,就是采用先进的科学技术, 定设施,创造适宜猪营养需要的饲料供应体系, 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, 良好的生活环境,卫生条件,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, 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, 高经济效益和优质产品的生产目的,且具有一定 规模。 规模。 但就目前来看,我国的养猪生产水平和科技发展, 但就目前来看,我国的养猪生产水平和科技发展, 总体同国外养猪先进国家相比还存在很大差距, 总体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。 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、环境条件等各个方面。 体现在生产管理、环境条件等各个方面。
有效生产的关键就是通过连续监测来维持最优生 长率和饲料转化率。 长率和饲料转化率。体重则是影响这两个指标的 重要因素, 重要因素,体重测量是生产管理中的一项重要环 它可以为评价动物的营养,生长环境, 节,它可以为评价动物的营养,生长环境,卫生 条件提供重要的依据。 条件提供重要的依据。 在种猪场日常饲养管理中, 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, 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。 以便调整日粮以及日后的选种。
投影面积与体重的线性相关性: 投影面积与体重的线性相关性:
Y=0.0368XY=0.0368X-3.9257
R=0.94
W=0.003 x S^1.2811 x H^0.6121
R=2.8%
误差产生的来源主要有: 误差产生的来源主要有:1)客观条件带来的误差,在用电 客观条件带来的误差, 子秤测量体重时, 子秤测量体重时,猪的来回晃动给数据的读取带来一定的误 由于实际条件的限制, 差。2)由于实际条件的限制,图像的分割和处理效果带来 的误差。 的误差。
谢谢大家
传统的测量方法: 传统的测量方法: (1)体重箱 (2)电子秤 自动喂料系统
视频图像方法(一种无接触式的方法) 视频图像方法(一种无接触式的方法) 现代计算机和视频技术的发展为猪体尺、 现代计算机和视频技术的发展为猪体尺、体重的 测量提供了精确、便捷的方法。 测量提供了精确、便捷的方法。利用计算机视觉 技术, 技术,获取和分析处理视频图像来评估种猪的体 估算体重,从而可以监测种猪的生长, 尺、估算体重,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。 助于研究猪的行为,为猪舍的环境调控提供依据。
计算阈值
10 9 8 7 x 10
4
:根据直方图选择阈值
象象象象
6 5 4 3 2 1 0
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
0.2
D图图图象象图
D图像的直方图,根据直方图得到阈值 0.0262
采用RGB颜色信息分割效果图
*二值化图像和后处理
(5)特征提取: 特征提取:
相关文档
最新文档