机器视觉下的猪体体尺测点提取算法比较及应用(附件)
摘要：本文针对农业生产中猪的体尺测量方法来进行研究,通过体尺长度衡量其生长状况来估测猪的生长发育情况。首先,本文介绍了猪体体尺与猪的质量的关系。以猪体体尺传统的测量方法为研究基础，结合猪舍现场实际情况，提出了复杂背景下猪体个体信息提取的算法、验证试验结果表明：通过背景减法和去除噪声算法可去除背景干扰，有效识别猪体信息；测点提取算法可提取自然姿态下猪的个体轮廓，自动确定其体尺测点，实现了猪体的体长关键点的的坐标提取，进而计算出猪体体尺的长度。应用于猪体无应激量算体尺、估算猪体体质量，为开展福利养殖提供了一种新方法。
目录
摘要1
关键词1
Abstract1
Key words1
引言1
1选题背景1
1.1本课题意义1
1.2国内外研究状况2
1.2.1国外研究状况2
1.2.2国内研究状况2
2操作环境及使用方法3
2.1操作环境3
2.2使用的方法3
2.2.1图像灰度化3
2.2.2区域分割3
2.2.3图像去噪简介3
2.2.4 去噪方法分析 4
2.2.5 图像头尾去除及取点计算4
3 方法分析 4
3.1 灰度化处理4
3.1中值滤波去噪 4
3.2直方图均衡化5
3.3中值滤波去噪5
3.4均值值滤波去噪6
3.5高斯去噪6
3.6二值化7
3.7边缘检测7
4 程序执行流程图 8
5 程序执行界面9
6前后实验比较12
7论文总结13
致谢13
参考文献13
机器视觉下的猪体体尺测点提取算法比较及应用
引言
引言：中国作为农业大国，从古典农业方法一直进步到现代科技化农业，技术一直在不断革新，而且畜牧业生产资源作为人类赖以生存的重要物质基础之一，畜牧业生产资源不仅为当前农业生产服务，而且也为人类未来的生存和发展服务。猪体体尺是评价猪的生长状况的一
*好棒文|www.hbsrm.com +Q: ^3^5^1^9^1^6^0^7^2^*
个主要参数，也是在种猪选育、肉质评价和饲养管理等环节中关注的一个重要指标。在种猪育种选种中，体长、胸围等猪体尺寸信息是考察品种繁殖性能的重要评价指标[1]。
1．选题背景
1.1 本课题意义
从古至今，我国作为农业大国，实时刻刻都要面临着亟待解决的农业发展问题，随着古人的智慧，千年以前我们便开始训化猪、牛、马、羊等牲畜来进行农业生产或是供给人们生存的食物，本文在此即以猪的生长状况来进行研究，从现代科技即机器视觉下的手段通过计算机技术为媒介，在节约了人力、物理和财力等方面对其进行探讨。猪肉作为我们日常生活中一个重要的肉制品来源，它的肉类品质安全是值得我们去关注并加以研究的，通过了解，在猪肉肉质评价方面，猪的一些生长数据成为了其中标准之一，如体长、体宽和体高等方面，另外猪的质量与上述几点呈正相关。【2】所以，我们可以通过应用数学公式或是建模的方法来进行科学化得分析，所得数据对于饲养的人员来说可以更好的因时制宜对其进行管理，由此可见，对于猪体体尺测量具有很大意义。
国内外研究状况
1.2.1 国外研究状况
目前,在国外，机器视觉技术在农业上有很大成就，日本有“Kubota”公司在1991年成功研制了一种用于橘子收获的机器手，能从果园自然环境中识别橘子，准确率为75％。sites?P．W等研究了一套图像采集系统及图像增强和特征信息的提取算法，用于增强原始图像及“多果”、“单果”和“噪声”的区别。分别于白天和晚上在桃园和苹果园进行实验，识别水果的正确率为89％。【3】韩国学者K．Choi等人(1995)根据美国农业部(uusDA)关于蕃茄成熟度的分级标准，利用彩色图像处理技术把新鲜蕃茄分为6个等级。美国佛罗里达大学Vijay Subramanian等人(2006) 提出了一种基于机器视觉与激光雷达结合的柑橘园车辆自动导航方法，结合激光器的 DGRS导航克服了果园树冠遮挡GPS信号致使导航错误的缺点。[4]
1.2.2 国内研究状况
与此同时，在我国国内，就机器视觉的研究反面取得了很大的成功。2004年，颜发根等人就指出在工业生产中机器视觉的发展情况，并阐述了在生产中的实际存在意义，值得投入发展。【5】2006年，候建军等人基于机器视觉技术，对白猪处于不同生长情况下的体型特征进行了分析。【6】2010年，吕永春等人在玉米果穗图像的特征检查上作出了很大贡献。【7】2012年，刘伟等人在《白鲢质量与截面积沿体长方向分布模型》一文中建立了关于鱼体截面积的数学模型，并加以解释。【8】
1.3 研究的目的和内容
1.3.1研究目的
对猪体体尺测点的提取算法进行研究，通过实现多种取点算法，来比较两种去砸算法的优劣，选择出较实际数据更为准确的算法，并加以改进或弥补一些不足之处。
1.3.2研究内容
猪体背景图像去除
我们在研究过程中只使用猪体图像，对于背景图像则成了干扰因素，要去除背景影响。
猪体图像噪声去除
猪体背脊上的像素值分布过多而产生噪声干扰，通过种滤波算法去除噪声。也是在后文算法比较的主要比较对象。
猪体图像二值化处理
对于得到的滤波后图像，将其进行二值化处理，得到背景黑色，猪体白色的二值图片，便于对于图像的边缘检测。
猪体轮廓提取
经过以上前两步已经得到相对清晰的图，使用log算法提取出猪体的轮廓图像,提取轮廓是为分析实验奠定基础。
多种去噪算法下的猪体体尺测算
基于多种算法的不同去噪方法来进行研究。
分析比较去噪方法优劣
通过实验所得数据，我们要选出一种较为合理的去噪方法，实验数据与真实数据的对比，来确定一个较为合适的去噪方法，适合于我们取材的猪舍。
2 操作环境及使用的方法
2.1 操作环境
本次试验时基于matlab2014矩阵试验室。MATLAB由一系列的操作工具组成。这些工具方便用户使用MATLAB的函数和文件，其中许多工具采用的是图形用户界面。包括MATLAB桌面和命令窗口、历史命令窗口、编辑器和调试器、路径搜索和用于用户浏览帮助、工作空间、文件的浏览器。随着MATLAB矩阵实验室的商业化以及软件本身的不断升级，它的用户界面也越来越精致，更加接近Windows的标准界面，人机交互性更强，操作更简单。而且新版本的MATLAB提供了完整的联机查询、帮助系统，极大的方便了用户的使用。简单的编程环境提供了比较完备的调试系统，程序不必经过编译就可以直接运行，而且能够及时地报告出现的错误及进行出错原因分析。
2.2 使用的方法
2.2.1 图像灰度化处理
I = rgb2gray(RGB) 将彩色RGB图像转换成灰度图。
目录
摘要1
关键词1
Abstract1
Key words1
引言1
1选题背景1
1.1本课题意义1
1.2国内外研究状况2
1.2.1国外研究状况2
1.2.2国内研究状况2
2操作环境及使用方法3
2.1操作环境3
2.2使用的方法3
2.2.1图像灰度化3
2.2.2区域分割3
2.2.3图像去噪简介3
2.2.4 去噪方法分析 4
2.2.5 图像头尾去除及取点计算4
3 方法分析 4
3.1 灰度化处理4
3.1中值滤波去噪 4
3.2直方图均衡化5
3.3中值滤波去噪5
3.4均值值滤波去噪6
3.5高斯去噪6
3.6二值化7
3.7边缘检测7
4 程序执行流程图 8
5 程序执行界面9
6前后实验比较12
7论文总结13
致谢13
参考文献13
机器视觉下的猪体体尺测点提取算法比较及应用
引言
引言：中国作为农业大国，从古典农业方法一直进步到现代科技化农业，技术一直在不断革新，而且畜牧业生产资源作为人类赖以生存的重要物质基础之一，畜牧业生产资源不仅为当前农业生产服务，而且也为人类未来的生存和发展服务。猪体体尺是评价猪的生长状况的一
*好棒文|www.hbsrm.com +Q: ^3^5^1^9^1^6^0^7^2^*
个主要参数，也是在种猪选育、肉质评价和饲养管理等环节中关注的一个重要指标。在种猪育种选种中，体长、胸围等猪体尺寸信息是考察品种繁殖性能的重要评价指标[1]。
1．选题背景
1.1 本课题意义
从古至今，我国作为农业大国，实时刻刻都要面临着亟待解决的农业发展问题，随着古人的智慧，千年以前我们便开始训化猪、牛、马、羊等牲畜来进行农业生产或是供给人们生存的食物，本文在此即以猪的生长状况来进行研究，从现代科技即机器视觉下的手段通过计算机技术为媒介，在节约了人力、物理和财力等方面对其进行探讨。猪肉作为我们日常生活中一个重要的肉制品来源，它的肉类品质安全是值得我们去关注并加以研究的，通过了解，在猪肉肉质评价方面，猪的一些生长数据成为了其中标准之一，如体长、体宽和体高等方面，另外猪的质量与上述几点呈正相关。【2】所以，我们可以通过应用数学公式或是建模的方法来进行科学化得分析，所得数据对于饲养的人员来说可以更好的因时制宜对其进行管理，由此可见，对于猪体体尺测量具有很大意义。
国内外研究状况
1.2.1 国外研究状况
目前,在国外，机器视觉技术在农业上有很大成就，日本有“Kubota”公司在1991年成功研制了一种用于橘子收获的机器手，能从果园自然环境中识别橘子，准确率为75％。sites?P．W等研究了一套图像采集系统及图像增强和特征信息的提取算法，用于增强原始图像及“多果”、“单果”和“噪声”的区别。分别于白天和晚上在桃园和苹果园进行实验，识别水果的正确率为89％。【3】韩国学者K．Choi等人(1995)根据美国农业部(uusDA)关于蕃茄成熟度的分级标准，利用彩色图像处理技术把新鲜蕃茄分为6个等级。美国佛罗里达大学Vijay Subramanian等人(2006) 提出了一种基于机器视觉与激光雷达结合的柑橘园车辆自动导航方法，结合激光器的 DGRS导航克服了果园树冠遮挡GPS信号致使导航错误的缺点。[4]
1.2.2 国内研究状况
与此同时，在我国国内，就机器视觉的研究反面取得了很大的成功。2004年，颜发根等人就指出在工业生产中机器视觉的发展情况，并阐述了在生产中的实际存在意义，值得投入发展。【5】2006年，候建军等人基于机器视觉技术，对白猪处于不同生长情况下的体型特征进行了分析。【6】2010年，吕永春等人在玉米果穗图像的特征检查上作出了很大贡献。【7】2012年，刘伟等人在《白鲢质量与截面积沿体长方向分布模型》一文中建立了关于鱼体截面积的数学模型，并加以解释。【8】
1.3 研究的目的和内容
1.3.1研究目的
对猪体体尺测点的提取算法进行研究，通过实现多种取点算法，来比较两种去砸算法的优劣，选择出较实际数据更为准确的算法，并加以改进或弥补一些不足之处。
1.3.2研究内容
猪体背景图像去除
我们在研究过程中只使用猪体图像，对于背景图像则成了干扰因素，要去除背景影响。
猪体图像噪声去除
猪体背脊上的像素值分布过多而产生噪声干扰，通过种滤波算法去除噪声。也是在后文算法比较的主要比较对象。
猪体图像二值化处理
对于得到的滤波后图像，将其进行二值化处理，得到背景黑色，猪体白色的二值图片，便于对于图像的边缘检测。
猪体轮廓提取
经过以上前两步已经得到相对清晰的图，使用log算法提取出猪体的轮廓图像,提取轮廓是为分析实验奠定基础。
多种去噪算法下的猪体体尺测算
基于多种算法的不同去噪方法来进行研究。
分析比较去噪方法优劣
通过实验所得数据，我们要选出一种较为合理的去噪方法，实验数据与真实数据的对比，来确定一个较为合适的去噪方法，适合于我们取材的猪舍。
2 操作环境及使用的方法
2.1 操作环境
本次试验时基于matlab2014矩阵试验室。MATLAB由一系列的操作工具组成。这些工具方便用户使用MATLAB的函数和文件，其中许多工具采用的是图形用户界面。包括MATLAB桌面和命令窗口、历史命令窗口、编辑器和调试器、路径搜索和用于用户浏览帮助、工作空间、文件的浏览器。随着MATLAB矩阵实验室的商业化以及软件本身的不断升级，它的用户界面也越来越精致，更加接近Windows的标准界面，人机交互性更强，操作更简单。而且新版本的MATLAB提供了完整的联机查询、帮助系统，极大的方便了用户的使用。简单的编程环境提供了比较完备的调试系统，程序不必经过编译就可以直接运行，而且能够及时地报告出现的错误及进行出错原因分析。
2.2 使用的方法
2.2.1 图像灰度化处理
I = rgb2gray(RGB) 将彩色RGB图像转换成灰度图。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/wljs/709.html
