【摘要】：在畜牧業(yè)養(yǎng)殖中,羊體的體尺和體重?cái)?shù)據(jù)是判斷羊體生長(zhǎng)發(fā)育和產(chǎn)能分析的主要參數(shù),其中,對(duì)羊體開展體尺和體重的測(cè)量工作是最為關(guān)鍵的環(huán)節(jié)。目前,最常用的羊體測(cè)量手段是人工測(cè)量,但是在實(shí)際的測(cè)量過程中,由于測(cè)量人員不能避免直接接觸羊體,從而這就會(huì)讓羊產(chǎn)生強(qiáng)烈的應(yīng)激反應(yīng),造成在此過程中測(cè)量誤差的出現(xiàn),使得測(cè)量結(jié)果的精度較低。因此,通過圖像處理等相關(guān)技術(shù)對(duì)羊體進(jìn)行無接觸無應(yīng)激獲取體尺和體重參數(shù)是必要的。本文主要從復(fù)雜背景下的羊體圖像分割、羊體測(cè)量點(diǎn)優(yōu)化提取及測(cè)距和羊體體重預(yù)測(cè)三方面開展了研究,特別是應(yīng)用在羊體無接觸式測(cè)量中的優(yōu)勢(shì)較為明顯。論文的主要研究?jī)?nèi)容如下:(1)針對(duì)羊體圖像的復(fù)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(jìn)的C-V主動(dòng)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(gè)顏色分量,從中獲取Cb分量圖像而改進(jìn)C-V模型,以期實(shí)現(xiàn)復(fù)雜背景下的交互式半自動(dòng)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(shì),進(jìn)而在后續(xù)測(cè)量點(diǎn)識(shí)別中會(huì)出現(xiàn)測(cè)量點(diǎn)不準(zhǔn)確的問題,就此本文提出基于拐點(diǎn)的羊體測(cè)量點(diǎn)優(yōu)化提取算法。首先對(duì)分割后的羊體圖像進(jìn)行目標(biāo)輪廓的提取,然后在提取拐點(diǎn)的基礎(chǔ)上,搜索羊體的測(cè)量點(diǎn),對(duì)羊體輪廓序列進(jìn)行計(jì)算,最終確定測(cè)量羊體體尺參數(shù)的7個(gè)羊體測(cè)量點(diǎn)。最后與羊體體尺參數(shù)的實(shí)際測(cè)量值比較,得出羊體各項(xiàng)體尺實(shí)驗(yàn)計(jì)算值的平均相對(duì)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(yù)測(cè)模型,實(shí)現(xiàn)羊體的體重預(yù)測(cè)。預(yù)測(cè)結(jié)果分析表明,非線性預(yù)測(cè)模型中的RBF網(wǎng)絡(luò)預(yù)測(cè)效果較好,體重預(yù)測(cè)的平均相對(duì)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(jī)對(duì)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(bǔ)光的任務(wù)有很強(qiáng)大的功逡逑能。獲取蘇尼特模型羊和蒙古羊的彩色圖像結(jié)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(yù)處理逡逑本節(jié)的主要內(nèi)容是對(duì)采集到的羊體圖像進(jìn)行預(yù)處理，其為后續(xù)開展的圖像處理逡逑工作奠定了實(shí)驗(yàn)基礎(chǔ)。圖像預(yù)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(chǔ)信息，經(jīng)預(yù)處理后的圖像，可供進(jìn)一步圖像的分析檢測(cè)以及識(shí)別算法使逡逑用［２９］。在本節(jié)的實(shí)驗(yàn)中，主要使用圖像的二值化、形態(tài)學(xué)去噪和填充孔洞這三種預(yù)逡逑處理方法對(duì)羊體圖像進(jìn)行預(yù)處理。逡逑２．２．邋１二值化處理逡逑二值圖像對(duì)數(shù)字圖像處理產(chǎn)生著十分重要的影響，圖像的整個(gè)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(shí)的識(shí)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(jìn)行圖像二值轉(zhuǎn)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(jìn)行統(tǒng)計(jì)，然后做均衡化運(yùn)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(duì)應(yīng)進(jìn)行替代，使每個(gè)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(xué)去噪逡逑數(shù)學(xué)形態(tài)學(xué)是由Ｍｉｎｋｏｗｓｋｉ、Ｍａｔｈｅｒｏｎ和Ｓｅｒｒａ等研究學(xué)者分R%對(duì)代數(shù)兒何、逡逑拓?fù)湫畔⒑屠斫庹撌龇矫孢M(jìn)行探究，而形成的獨(dú)立的數(shù)學(xué)分支體系，主要是利用集逡逑合反映圖像中各目標(biāo)之間的關(guān)系，并休現(xiàn)其結(jié)構(gòu)特點(diǎn)［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(xué)算子作用ｒ？圖像，去除圖像屮出現(xiàn)的噪聲［３３］�；义媳緮�(shù)學(xué)形態(tài)學(xué)的運(yùn)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(biāo)的形態(tài)和結(jié)構(gòu)。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(gè)體目標(biāo)中不必要的邊緣區(qū)域，整體表現(xiàn)為收縮或逡逑者是細(xì)化。圖像的自身以及結(jié)構(gòu)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(jié)構(gòu)元素比目標(biāo)對(duì)象大，那么目標(biāo)對(duì)象在被腐蝕后會(huì)全部不存在；若結(jié)構(gòu)元素比逡逑目標(biāo)對(duì)象小
【學(xué)位授予單位】：內(nèi)蒙古農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：S826;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 石昊蘇;;基于車輛牌照?qǐng)D像的識(shí)別技術(shù)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(cuò)區(qū)遼寧絨山羊體尺、體重與產(chǎn)絨量的相關(guān)性分析[J];黑龍江畜牧獸醫(yī);2015年21期

3 汪國(guó)強(qiáng);蓋琪琳;于懷勇;文雪;任天威;;基于背景差分法的視頻目標(biāo)檢測(cè)算法研究[J];黑龍江大學(xué)工程學(xué)報(bào);2014年04期

4 朱林;張溫;李琦;李剛;;基于嵌入式機(jī)器視覺的羊體體征測(cè)量系統(tǒng)[J];計(jì)算機(jī)測(cè)量與控制;2014年08期

5 藍(lán)新波;李冬睿;;徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)在網(wǎng)絡(luò)安全預(yù)測(cè)中的應(yīng)用[J];計(jì)算機(jī)測(cè)量與控制;2014年03期

6 曾瓊;史忠輝;吳進(jìn)軍;肖禮華;;黔北麻羊體尺與生理生化指標(biāo)測(cè)定結(jié)果[J];當(dāng)代畜牧;2014年09期

7 江杰;周麗娜;李剛;;基于機(jī)器視覺的羊體體尺測(cè)量[J];計(jì)算機(jī)應(yīng)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(yīng)用[J];數(shù)字技術(shù)與應(yīng)用;2014年01期

9 賀雪麗;;南非薩門羊×甘肅高山細(xì)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(jī)器視覺的豬體體尺測(cè)點(diǎn)提取算法與應(yīng)用[J];農(nóng)業(yè)工程學(xué)報(bào);2013年02期

相關(guān)博士學(xué)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(gòu)的研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2018年

2 張麗娜;基于跨視角機(jī)器視覺的羊只體尺參數(shù)測(cè)量方法研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);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(gòu)[D];中國(guó)農(nóng)業(yè)大學(xué);2014年

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

相關(guān)碩士學(xué)位論文 前10條

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

2 徐燁;基于應(yīng)急生產(chǎn)計(jì)劃的設(shè)備健康指標(biāo)預(yù)測(cè)模型[D];蘭州理工大學(xué);2016年

3 陸文婷;復(fù)雜背景下牛體檢測(cè)的研究與實(shí)現(xiàn)[D];西北農(nóng)林科技大學(xué);2015年

4 鄭姍;主動(dòng)輪廓模型及其在眼底圖像分割中的應(yīng)用[D];沈陽理工大學(xué);2015年

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

6 馮恬;非接觸牛體測(cè)量系統(tǒng)構(gòu)建與實(shí)現(xiàn)[D];西北農(nóng)林科技大學(xué);2014年

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

8 孫遠(yuǎn)明;基于RBF的人工神經(jīng)網(wǎng)絡(luò)在PCB鉆孔工藝中的應(yīng)用[D];上海交通大學(xué);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(yīng)用[D];山東師范大學(xué);2009年

10 徐華;基于時(shí)域廓線的紅外弱小目標(biāo)檢測(cè)算法研究[D];西安電子科技大學(xué);2008年

本文編號(hào)：2659292