【摘要】：在畜牧業(yè)養(yǎng)殖中,羊體的體尺和體重數(shù)據(jù)是判斷羊體生長發(fā)育和產(chǎn)能分析的主要參數(shù),其中,對羊體開展體尺和體重的測量工作是最為關鍵的環(huán)節(jié)。目前,最常用的羊體測量手段是人工測量,但是在實際的測量過程中,由于測量人員不能避免直接接觸羊體,從而這就會讓羊產(chǎn)生強烈的應激反應,造成在此過程中測量誤差的出現(xiàn),使得測量結果的精度較低。因此,通過圖像處理等相關技術對羊體進行無接觸無應激獲取體尺和體重參數(shù)是必要的。本文主要從復雜背景下的羊體圖像分割、羊體測量點優(yōu)化提取及測距和羊體體重預測三方面開展了研究,特別是應用在羊體無接觸式測量中的優(yōu)勢較為明顯。論文的主要研究內(nèi)容如下:(1)針對羊體圖像的復雜背景難以分割及容易受到不同光照條件干擾的問題,提出一種基于YCbCr空間改進的C-V主動輪廓模型的分割方法。通過分析羊體圖像在YCbCr顏色空間下的三個顏色分量,從中獲取Cb分量圖像而改進C-V模型,以期實現(xiàn)復雜背景下的交互式半自動的羊體圖像分割。(2)在采集圖像過程中,由于羊呈現(xiàn)的不同姿勢,進而在后續(xù)測量點識別中會出現(xiàn)測量點不準確的問題,就此本文提出基于拐點的羊體測量點優(yōu)化提取算法。首先對分割后的羊體圖像進行目標輪廓的提取,然后在提取拐點的基礎上,搜索羊體的測量點,對羊體輪廓序列進行計算,最終確定測量羊體體尺參數(shù)的7個羊體測量點。最后與羊體體尺參數(shù)的實際測量值比較,得出羊體各項體尺實驗計算值的平均相對誤差都小于3%。(3)利用體尺數(shù)據(jù)建立羊體體重的線性和非線性預測模型,實現(xiàn)羊體的體重預測。預測結果分析表明,非線性預測模型中的RBF網(wǎng)絡預測效果較好,體重預測的平均相對誤差為7.61%。
【圖文】：

原型分析過程和低照度成像方面尤其高效，ＭＶ－ＶＳ２００ＦＣ工業(yè)ＣＣＤ相機對于處理逡逑分辨率高、還原色彩效果好、數(shù)據(jù)處理量大、在夜間紅外補光的任務有很強大的功逡逑能。獲取蘇尼特模型羊和蒙古羊的彩色圖像結果如圖２。逡逑圖２羊體圖像逡逑Ｆｉｇ．２邋Ｓｈｅｅｐ邋ｉｍａｇｅｓ逡逑２．邋２圖像預處理逡逑本節(jié)的主要內(nèi)容是對采集到的羊體圖像進行預處理，其為后續(xù)開展的圖像處理逡逑工作奠定了實驗基礎。圖像預處理的目的就是從圖像中找出一系列可以體現(xiàn)圖像特逡逑性值的基礎信息，經(jīng)預處理后的圖像，可供進一步圖像的分析檢測以及識別算法使逡逑用［２９］。在本節(jié)的實驗中，主要使用圖像的二值化、形態(tài)學去噪和填充孔洞這三種預逡逑處理方法對羊體圖像進行預處理。逡逑２．２．邋１二值化處理逡逑二值圖像對數(shù)字圖像處理產(chǎn)生著十分重要的影響，圖像的整個畫面中只包含黑逡逑色和白色，沒有其余顏色作為中間的過渡。在現(xiàn)實的識別操作中，找到符合條件的逡逑閾值，更好地區(qū)分圖像中的字符和背景，是進行圖像二值轉化的必要步驟。首先，逡逑要選擇合適的顏色，再選擇閾值，它是按照直方圖或灰度的區(qū)域劃分來尋找。最后逡逑通過閾值來完成圖像之間的變換

圖的數(shù)據(jù)進行統(tǒng)計，然后做均衡化運算，最后按照均衡化后的映射表和Ｒ、Ｇ、Ｂ通逡逑道顏色值對應進行替代，使每個區(qū)域間相互存在較為明顯的邊界［ｗ。按照直方圖均逡逑衡后的灰度區(qū)域來劃分圖像中的羊體和背景，，經(jīng)處理后羊體二值圖像的效果如圖３。逡逑Ｋ１逡逑圖３二值圖像逡逑Ｆｉｇ．３邋Ｂｉｎａｒｙ邋ｉｍａｇｅ逡逑２．邋２．邋２形態(tài)學去噪逡逑數(shù)學形態(tài)學是由Ｍｉｎｋｏｗｓｋｉ、Ｍａｔｈｅｒｏｎ和Ｓｅｒｒａ等研究學者分R%對代數(shù)兒何、逡逑拓撲信息和理解論述方面進行探究，而形成的獨立的數(shù)學分支體系，主要是利用集逡逑合反映圖像中各目標之間的關系，并休現(xiàn)其結構特點［３２］。它的形狀濾波器是依據(jù)生逡逑成比何圖像的特征數(shù)據(jù)，讓形態(tài)學算子作用ｒ？圖像，去除圖像屮出現(xiàn)的噪聲［３３］。基逡逑本數(shù)學形態(tài)學的運算有四種，它們分別是膨脹、腐蝕、開啟和閉合［３４］，用來修改圖逡逑像屮丨丨標的形態(tài)和結構。逡逑２．邋２．２．邋１膨脹與腐蝕逡逑腐蝕操作可以用來消去圖像個體目標中不必要的邊緣區(qū)域，整體表現(xiàn)為收縮或逡逑者是細化。圖像的自身以及結構元素的表現(xiàn)形式，可以影響到腐蝕效果的好與壞Ｗ１。逡逑若結構元素比目標對象大，那么目標對象在被腐蝕后會全部不存在；若結構元素比逡逑目標對象小
【學位授予單位】：內(nèi)蒙古農(nóng)業(yè)大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：S826;TP391.41

【參考文獻】

相關期刊論文 前10條

1 石昊蘇;;基于車輛牌照圖像的識別技術研究[J];軟件工程師;2015年12期

2 李景玉;孫麗敏;陳洋;姜懷志;李豐田;;科爾沁農(nóng)牧交錯區(qū)遼寧絨山羊體尺、體重與產(chǎn)絨量的相關性分析[J];黑龍江畜牧獸醫(yī);2015年21期

3 汪國強;蓋琪琳;于懷勇;文雪;任天威;;基于背景差分法的視頻目標檢測算法研究[J];黑龍江大學工程學報;2014年04期

4 朱林;張溫;李琦;李剛;;基于嵌入式機器視覺的羊體體征測量系統(tǒng)[J];計算機測量與控制;2014年08期

5 藍新波;李冬睿;;徑向基函數(shù)神經(jīng)網(wǎng)絡在網(wǎng)絡安全預測中的應用[J];計算機測量與控制;2014年03期

6 曾瓊;史忠輝;吳進軍;肖禮華;;黔北麻羊體尺與生理生化指標測定結果[J];當代畜牧;2014年09期

7 江杰;周麗娜;李剛;;基于機器視覺的羊體體尺測量[J];計算機應用;2014年03期

8 魏軍;任曉乾;欒蘭;;最佳閾值選擇的方法及在圖像處理中的應用[J];數(shù)字技術與應用;2014年01期

9 賀雪麗;;南非薩門羊×甘肅高山細毛羊雜交F_1生產(chǎn)性能觀察[J];畜牧獸醫(yī)雜志;2013年02期

10 劉同海;滕光輝;付為森;李卓;;基于機器視覺的豬體體尺測點提取算法與應用[J];農(nóng)業(yè)工程學報;2013年02期

相關博士學位論文 前4條

1 周艷青;基于雙目立體視覺的羊體尺參數(shù)提取及三維重構的研究[D];內(nèi)蒙古農(nóng)業(yè)大學;2018年

2 張麗娜;基于跨視角機器視覺的羊只體尺參數(shù)測量方法研究[D];內(nèi)蒙古農(nóng)業(yè)大學;2017年

3 劉同海;基于雙目視覺的豬體體尺參數(shù)提取算法優(yōu)化及三維重構[D];中國農(nóng)業(yè)大學;2014年

4 胡秋霞;基于圖像分析的植物葉部病害識別方法研究[D];西北農(nóng)林科技大學;2013年

相關碩士學位論文 前10條

1 劉衛(wèi)民;基于機器視覺的奶牛體尺參數(shù)測量研究[D];山東農(nóng)業(yè)大學;2016年

2 徐燁;基于應急生產(chǎn)計劃的設備健康指標預測模型[D];蘭州理工大學;2016年

3 陸文婷;復雜背景下牛體檢測的研究與實現(xiàn)[D];西北農(nóng)林科技大學;2015年

4 鄭姍;主動輪廓模型及其在眼底圖像分割中的應用[D];沈陽理工大學;2015年

5 張溫;基于機器視覺的牲畜體征測量系統(tǒng)的研究[D];內(nèi)蒙古科技大學;2014年

6 馮恬;非接觸牛體測量系統(tǒng)構建與實現(xiàn)[D];西北農(nóng)林科技大學;2014年

7 耿帥;基于數(shù)學形態(tài)學的圖像去噪[D];山東師范大學;2012年

8 孫遠明;基于RBF的人工神經(jīng)網(wǎng)絡在PCB鉆孔工藝中的應用[D];上海交通大學;2011年

9 李麗麗;模糊C-均值聚類算法及其在圖像分割中的應用[D];山東師范大學;2009年

10 徐華;基于時域廓線的紅外弱小目標檢測算法研究[D];西安電子科技大學;2008年

本文編號：2659292