本文關(guān)鍵詞：基于立體視覺(jué)技術(shù)的生豬體重估測(cè)研究　出處：《中國(guó)農(nóng)業(yè)大學(xué)》2016年博士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 生豬 體尺 體重 立體視覺(jué) 估測(cè)

【摘要】：本研究針對(duì)我國(guó)設(shè)施養(yǎng)豬場(chǎng)現(xiàn)有養(yǎng)殖工藝問(wèn)題,擬解決生豬生長(zhǎng)過(guò)程中實(shí)時(shí)無(wú)接觸自動(dòng)估測(cè)豬只體重的難題,用于指導(dǎo)生產(chǎn)。對(duì)估測(cè)過(guò)程中動(dòng)態(tài)獲取豬只標(biāo)準(zhǔn)姿態(tài)圖像,實(shí)時(shí)檢測(cè)豬只體尺,建立豬只體重估測(cè)算法等關(guān)鍵技術(shù)進(jìn)行探索,提出新的豬只體重估測(cè)模型,優(yōu)化基于深度圖像的豬體輪廓提取算法,開發(fā)圖像自動(dòng)篩選算法,研發(fā)適用于小圈群養(yǎng)的移動(dòng)式豬體重?zé)o接觸自動(dòng)估測(cè)系統(tǒng),并在實(shí)驗(yàn)豬舍和典型豬場(chǎng)進(jìn)行驗(yàn)證。主要結(jié)論如下：(1)研究豬體重估測(cè)模型。優(yōu)選適合機(jī)器視覺(jué)檢測(cè)和人工驗(yàn)證的5個(gè)體尺,選用79組數(shù)據(jù)建立基于體尺主成分的冪回歸模型；使用實(shí)驗(yàn)站測(cè)量97組數(shù)據(jù)驗(yàn)證,估測(cè)體重和實(shí)測(cè)值的相關(guān)系數(shù)為0.998,相對(duì)誤差在4%以內(nèi),平均相對(duì)誤差為2.02%。24組豬場(chǎng)試驗(yàn)數(shù)據(jù)表明,驗(yàn)證模型對(duì)豬個(gè)體估測(cè)體重平均誤差為2.08kg,平均相對(duì)誤差為(2.26±1.78)%,模型具有較高的估測(cè)精度。(2)基于LabVIEW圖形化軟件開發(fā)平臺(tái),構(gòu)建立體視覺(jué)三維檢測(cè)系統(tǒng)。該系統(tǒng)在2m物距范圍內(nèi)的三維檢測(cè)誤差小于1%,其中X軸、Y軸檢測(cè)平均相對(duì)誤差皆為0.65%,Z軸檢測(cè)平均相對(duì)誤差為0.34%；在所有區(qū)域中,視野中央檢測(cè)精度最高。研發(fā)豬體背部三維檢測(cè)與點(diǎn)云重構(gòu)技術(shù),與高精度激光三維掃描數(shù)據(jù)配準(zhǔn),處理豬體背部共計(jì)255587個(gè)點(diǎn)集,三維點(diǎn)云的平均誤差為-3.29±4.51 mm,驗(yàn)證了系統(tǒng)的三維檢測(cè)精度。(3)開發(fā)基于深度圖像的豬體輪廓提取算法,解決灰度輪廓提取算法無(wú)法適應(yīng)豬場(chǎng)惡劣光環(huán)境的問(wèn)題。使用相對(duì)參數(shù)篩選體尺測(cè)點(diǎn),能夠較穩(wěn)定地提取豬體尺檢測(cè)關(guān)鍵點(diǎn)；增加手工提取關(guān)鍵測(cè)點(diǎn)的功能。測(cè)量豬場(chǎng)32組體尺數(shù)據(jù),與人工測(cè)量體尺相比,豬體尺檢測(cè)平均誤差小于2cmm,相對(duì)誤差在2%左右,體尺檢測(cè)的精度較高。(4)開發(fā)生豬體尺體重?zé)o接觸檢測(cè)軟件,構(gòu)建基于對(duì)稱度和延長(zhǎng)系數(shù)的正常豬只姿態(tài)圖像篩選算法,對(duì)異常圖像的識(shí)別率為79.31%,對(duì)正常圖像的識(shí)別率為73.06%,軟件對(duì)豬只自由狀態(tài)下的圖像,體尺檢測(cè)成功率為24.93%。研發(fā)移動(dòng)式豬體重檢測(cè)平臺(tái),能夠檢測(cè)多個(gè)豬圈的豬只體重,適用于我國(guó)現(xiàn)有的小圈群養(yǎng)的生產(chǎn)工藝,增加系統(tǒng)檢測(cè)豬只容量,降低系統(tǒng)使用成本。在實(shí)驗(yàn)站開展長(zhǎng)時(shí)間估測(cè)試驗(yàn),體長(zhǎng)、體寬、體高、臀寬、臀高的檢測(cè)精度分別為1.44%、5.81%、4.94%、2.00%和1.64%。系統(tǒng)對(duì)4頭豬共計(jì)268組體重估測(cè)數(shù)據(jù)的平均相對(duì)誤差為(2.52±2.14)%。實(shí)現(xiàn)豬體尺體重?zé)o接觸全自動(dòng)估測(cè)。(5)利用物聯(lián)網(wǎng)技術(shù),開發(fā)生豬生產(chǎn)過(guò)程實(shí)時(shí)監(jiān)控與管理系統(tǒng)。具備基于C/S架構(gòu)的生態(tài)及生產(chǎn)過(guò)程數(shù)據(jù)采集功能,并結(jié)合專家決策技術(shù),通過(guò)基于B/S架構(gòu)的網(wǎng)頁(yè)及手機(jī)客戶端形式對(duì)授權(quán)用戶發(fā)布相關(guān)信息。主要監(jiān)管功能包括環(huán)境參數(shù)、生產(chǎn)過(guò)程信息及豬只行為音視頻監(jiān)控。
[Abstract]:In this study, our pig breeding facilities field existing process problems, to solve the growth process of pig in real-time non-contact automatic estimation problem of body weight of the animals, to guide the production of pigs. Dynamic access to the standard attitude estimation process image, real-time detection of pig body size, a pig weight estimation algorithm of key technology, put forward a new pig weight estimation model, optimization of extraction algorithm for contour depth image of pigs based on automatic screening algorithm for image development, research and development group of mobile circle pigs weight non-contact automatic estimation system, and verified in the experiment and the typical pig farms. The main conclusions are as follows: (1) study of pig weight estimation model suitable for. Machine vision detection and manual verification of 5 individuals using 79 pairs of feet, body size data to establish a regression model based on principal component of the power station; 97 groups were measured using experimental data Verify, estimation of correlation coefficient of body weight and the measured value was 0.998, the relative error is less than 4%, the average relative error is 2.02%.24 group of pig test data show that the model of individual pig weight estimation of the average error is 2.08kg, the average relative error is (2.26 + 1.78)%, the model has high estimation accuracy (2). LabVIEW software development platform based on the construction of stereo vision three-dimensional detection system. The system of 3D detection error in the 2m object in the range of less than 1%, the X axis, Y axis measuring the average relative error is 0.65%, the Z axis detection of average relative error was 0.34%; in all areas, the accuracy of the central visual field testing. Research of porcine somatic back three-dimensional detection and point cloud reconstruction, registration and high precision of 3D laser scan data processing, a total of 255587 pigs back point set, the average error of 3D point cloud is -3.29 + 4.51 mm, verify the system of 3D The accuracy of the detection. (3) the development of depth image contour extraction algorithm based on gray pig, solve the contour extraction algorithm can not adapt to the harsh light farm environment. Using the relative parameters of the screening body size measurement points, can be stably extracted from pig body size detection of key points; increase the manual extraction of key points of measurement of 32 swine function. Group size data, compared with the manual measurement of body size, pig body size detection with an average error of less than 2cmm, the relative error was about 2%, higher precision of body size detection. (4) a pig body size and body weight of non contact detection software, constructing normal pigs attitude image algorithm symmetry and extend the coefficient based screening, identification the abnormal image recognition rate of 79.31% of the normal image rate was 73.06%. The software of image on pigs under free condition, the success rate of body size detection developed for 24.93%. mobile BW detection platform, can detect a pigsty The body weight of the animals, suitable for the production process of our existing small herds, increase the system capacity reduction system uses detection of pigs, the cost. In the experiment station to carry out long time estimation test, body length, body width, body height, hip width, hip high detection accuracy were 1.44%, 5.81%, 4.94%, and 2% the 1.64%. system of 4 pigs in a total of 268 sets of estimating weight average relative error data for (2.52 + 2.14)%. The pig body size and body weight of non contact automatic estimation. (5) the use of networking technology, real-time monitoring and management system of the development of pig production process. With data acquisition and production process of ecological function based on C/S architecture and combined with expert decision technology, through the B/S structure of the website and mobile phone client form based on authorized users to publish relevant information. The main functions include the regulation of environmental parameters, the production process information and pig behavior audio and video monitoring.

【學(xué)位授予單位】：中國(guó)農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：S828;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前8條

1 張超,王雪峰,唐守正;立體視覺(jué)技術(shù)應(yīng)用于林木個(gè)體分布格局測(cè)定研究[J];林業(yè)科學(xué)研究;2004年05期

2 石德樂(lè);葉培建;賈陽(yáng);王榮本;郭烈;;車輛導(dǎo)航立體視覺(jué)測(cè)量技術(shù)特征點(diǎn)匹配方法[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2007年09期

3 呂朝輝,陳曉光,鄭元杰,吳文福,趙紅霞;立體視覺(jué)技術(shù)在秧苗直立度測(cè)定中的應(yīng)用[J];農(nóng)業(yè)工程學(xué)報(bào);2001年04期

4 蔡健榮;范軍;李玉良;;立體視覺(jué)系統(tǒng)標(biāo)定及成熟果實(shí)定位[J];農(nóng)機(jī)化研究;2007年11期

5 尹念東,余群;基于桌面虛擬現(xiàn)實(shí)系統(tǒng)車輛運(yùn)動(dòng)仿真的立體視覺(jué)實(shí)現(xiàn)[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2002年01期

6 趙春江;楊亮;郭新宇;陸聲鏈;肖伯祥;;基于立體視覺(jué)的玉米植株三維骨架重建[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2010年04期

7 戴昌達(dá),卜兆宏;土壤普查中的航空象片判讀[J];土壤;1979年02期

8 ;[J];;年期

相關(guān)會(huì)議論文 前10條

1 王幼生;詹敏;代秋楠;;立體視覺(jué)的研究進(jìn)展[A];第十二屆廣東省視光學(xué)學(xué)術(shù)會(huì)議專題講座、論文匯編[C];2009年

2 陸曉?shī)^;;立體視覺(jué)技術(shù)的現(xiàn)狀與發(fā)展預(yù)測(cè)[A];中國(guó)圖象圖形學(xué)學(xué)會(huì)立體圖象技術(shù)專業(yè)委員會(huì)學(xué)術(shù)研討會(huì)論文集（第三期）[C];2009年

3 閻冰;趙占娟;遲洪華;;立體視覺(jué)及其影響因素[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)第六次會(huì)員代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2004年

4 任重;邵軍力;;三目立體視覺(jué)方法的研究[A];2001年中國(guó)智能自動(dòng)化會(huì)議論文集（下冊(cè)）[C];2001年

5 靳波;葛霽光;;立體視覺(jué)深度刺激誘發(fā)認(rèn)知響應(yīng)數(shù)據(jù)采集系統(tǒng)[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)第六次會(huì)員代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2004年

6 吳新年;汪云九;;立體視覺(jué)計(jì)算模型的惟一性約束[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識(shí)創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊(cè)）[C];2001年

7 李德廣;李科杰;高麗麗;;基于多尺度多方向相位匹配的立體視覺(jué)方法[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

8 趙虹;于海濱;劉濟(jì)林;;立體視覺(jué)技術(shù)在嵌入式客流統(tǒng)計(jì)系統(tǒng)中的應(yīng)用[A];全國(guó)第一屆嵌入式技術(shù)聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2006年

9 邱陽(yáng);白立芬;李慶祥;徐毓嫻;;基于邊緣和區(qū)域聯(lián)合匹配的立體視覺(jué)新方法[A];中國(guó)儀器儀表學(xué)會(huì)第三屆青年學(xué)術(shù)會(huì)議論文集（上）[C];2001年

10 胡志萍;歐宗瑛;李云峰;;海上工作平臺(tái)固定用導(dǎo)管架下水運(yùn)動(dòng)參數(shù)立體視覺(jué)測(cè)定[A];首屆信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2003年

相關(guān)重要報(bào)紙文章 前10條

1 北京武警總隊(duì)醫(yī)院眼科 副主任醫(yī)師 陶海;立體視覺(jué)怎么檢查[N];家庭醫(yī)生報(bào);2006年

2 ;八種立體視覺(jué)技術(shù)各有千秋[N];中國(guó)電子報(bào);2009年

3 本報(bào)見(jiàn)習(xí)記者 唐聞佳;你有“《阿凡達(dá)》眩暈癥”嗎[N];文匯報(bào);2010年

4 本報(bào)記者 楊明;市場(chǎng)潛力巨大 我國(guó)3D信息產(chǎn)業(yè)亟待需政策扶持[N];中國(guó)工業(yè)報(bào);2010年

5 武警總醫(yī)院眼科淚器病中心主任 陶海;5種人不宜看3D電視[N];保健時(shí)報(bào);2010年

6 本報(bào)記者 徐建華;我國(guó)3D產(chǎn)業(yè)亟須“健身”[N];中國(guó)質(zhì)量報(bào);2010年

7 程曉寧;街畫風(fēng)行 幻景橫生[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2009年

8 王延文;細(xì)微之處保健康[N];中國(guó)老年報(bào);2004年

9 武警總醫(yī)院眼科淚器病中心主任 陶海;看3D電影如何保護(hù)好眼睛[N];北京日?qǐng)?bào);2010年

10 錢 偉;淺色太陽(yáng)鏡對(duì)健康更有益[N];大眾科技報(bào);2005年

相關(guān)博士學(xué)位論文 前10條

1 李輝;煤礦井下救災(zāi)機(jī)器人立體視覺(jué)導(dǎo)航關(guān)鍵技術(shù)研究[D];中國(guó)礦業(yè)大學(xué);2015年

2 謝利民;基于近場(chǎng)照明的光度立體視覺(jué)算法研究[D];華中科技大學(xué);2015年

3 李卓;基于立體視覺(jué)技術(shù)的生豬體重估測(cè)研究[D];中國(guó)農(nóng)業(yè)大學(xué);2016年

4 丁菁汀;立體視覺(jué)在實(shí)際應(yīng)用中的若干問(wèn)題研究[D];浙江大學(xué);2012年

5 林慧英;基于立體視覺(jué)的汽車車身與車軸位置偏差檢測(cè)系統(tǒng)的研究[D];吉林大學(xué);2008年

6 杜歆;用于導(dǎo)航的立體視覺(jué)系統(tǒng)[D];浙江大學(xué);2003年

7 侯建;月球車立體視覺(jué)與視覺(jué)導(dǎo)航方法研究[D];哈爾濱工業(yè)大學(xué);2007年

8 李戈;基于并行處理的機(jī)器人立體視覺(jué)伺服系統(tǒng)研究[D];哈爾濱工業(yè)大學(xué);2007年

9 劉歡;基于立體視覺(jué)的多氣囊柔性人體腹部重建研究[D];東華大學(xué);2014年

10 唐克倫;三坐標(biāo)機(jī)與立體視覺(jué)的系統(tǒng)集成與信息融合的關(guān)鍵技術(shù)研究[D];重慶大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 丁希斌;一種基于立體視覺(jué)的植物病斑定位獲取技術(shù)研究[D];浙江大學(xué);2015年

2 劉少?gòu)?qiáng);基于立體視覺(jué)的三維重建方法研究[D];天津理工大學(xué);2015年

3 焦英魁;球面立體視覺(jué)三維重建技術(shù)研究[D];天津理工大學(xué);2015年

4 謝鵬;基于立體視覺(jué)的特征跟蹤方法研究[D];天津理工大學(xué);2015年

5 周鼎;基于立體視覺(jué)的非合作航天器相對(duì)狀態(tài)估計(jì)[D];哈爾濱工業(yè)大學(xué);2015年

6 張俊;基于多目立體視覺(jué)的真實(shí)人臉重建和測(cè)量系統(tǒng)的研究[D];電子科技大學(xué);2015年

7 李陽(yáng)勤;基于DIBR虛擬視角映射的立體視覺(jué)調(diào)整技術(shù)[D];杭州電子科技大學(xué);2015年

8 汪婷;立體視覺(jué)顯著性計(jì)算模型的研究及應(yīng)用[D];合肥工業(yè)大學(xué);2015年

9 蔣粉玲;基于LabVIEW的立體視覺(jué)控制系統(tǒng)設(shè)計(jì)[D];蘇州科技學(xué)院;2015年

10 劉新月;海報(bào)的立體視覺(jué)表現(xiàn)[D];吉林藝術(shù)學(xué)院;2015年

，

本文編號(hào)：1392122