【技术实现步骤摘要】
一种基于机器视觉的蛋鸡体重预估设备及方法
[0001]本专利技术涉及机器视觉
，尤其涉及一种基于机器视觉的蛋鸡体重预估设备及方法。
技术介绍
[0002]养殖业是农业的一个重要分支，主要包括家禽养殖、畜牧养殖和水产养殖三个细分产业。家禽养殖以禽肉和禽蛋为主要产出；近年来，智能化养殖已经成为畜禽养殖的重要研究领域，而在家禽养殖中，体重对鸡产肉、产蛋性能影响较大，是反映鸡舍饲养状况的重要指标之一。同时对家禽体重数据进行实时监测，可以最大限度地提高养殖场的生产效益和经济效益，对家禽饲养、病毒防治和环境控制具有极大参考价值。随着机器视觉技术的不断发展，基于机器视觉的图像分析法也成为了蛋鸡体重监测的重要手段之一。
[0003]现有的蛋鸡体重预估设备及方法需手动进行建模寻参，体重预估精确性差，操作难度较高；此外，现有的蛋鸡体重预估设备及方法目标检测效率低，后续数据处理工作量较大，为此，我们提出一种基于机器视觉的蛋鸡体重预估设备及方法。
技术实现思路
[0004]本专利技术的目的是为了解决现有技术中存在的缺陷...
【技术保护点】
【技术特征摘要】
1.一种基于机器视觉的蛋鸡体重预估设备，其特征在于，包括监测平台、影像采集模块、图像增强模块、目标提取模块、体重预估模块、参数更新模块、报警模块以及区块存储模块；所述监测平台用于验证养殖人员身份并接收各模块反馈数据以供养殖人员查看；所述影像采集模块用于对养殖区域图像信息进行采集；所述图像增强模块用于优化采集到的养殖区域图像信息；所述目标提取模块用于提取养殖区域图像信息中的蛋鸡图像；所述体重预估模块用于依据采集的蛋鸡图像对各蛋鸡体重进行预估；所述参数更新模块用于采集体重预估模块运行信息，并对其进行参数更新；所述报警模块用于将异常蛋鸡信息反馈给养殖人员，同时对该蛋鸡进行标记；所述区块存储模块用于将蛋鸡检测信息进行上链存储。2.根据权利要求1所述的一种基于机器视觉的蛋鸡体重预估设备，其特征在于，所述图像增强模块养殖区域图像信息优化具体步骤如下：步骤一：将采集到的养殖区域图像信息进行逐帧提取以获取多组图片数据，之后依据各图片数据显示比列进行分块处理，之后对分块后的各组图片数据通过傅里叶变换对数据中高频成分进行分析提取，并通过高斯滤波进行平滑处理；步骤二：使用规定像素的窗口在各组图像信息中移动，每移动一次计算此时窗口下的灰度共生矩阵，从灰度共生矩阵中计算相关图像信息中的纹理特征。3.根据权利要求2所述的一种基于机器视觉的蛋鸡体重预估设备，其特征在于，步骤二所述纹理特征具体计算公式如下：所述纹理特征具体计算公式如下：所述纹理特征具体计算公式如下：所述纹理特征具体计算公式如下：式中，P(i,j)代表图像像素点的值；L代表灰度级的数目；式中，P(i,j)代表图像像素点的值；L代表灰度级的数目；其中，公式(1)用于计算纹理特征能量，粗纹理的能量矩较大，细纹理的能量矩较小；公式(2)用于计算纹理特征熵值，若图像没有任何纹理，则熵接近零，若图像充满着细纹理，则图像的熵值最大，若图像中分布着较少的纹理，则该图像的熵值较小；公式(3)用于计算纹理特征对比度，其对比度越大，图像的视觉清晰效果较好；公
式(4)用于计算纹理特征相关性，其相关性用于衡量邻域灰度的线性依赖性。4.根据权利要求2所述的一种基于机器视觉的蛋鸡体重预估设备，其特征在于，所述目标提取模块蛋鸡图像提取具体步骤如下：步骤
①
：通过图像金字塔对优化后的图像信息进行尺度归一化处理，并提取各组图像信息的特征，之后通过双向特征金字塔进行特征融合以获取目标检测框；步骤
②
：依据目标检测框对各图像信息进行扩大化剪裁以获取目标图像，之后获取窗口滑动获取的纹理特征相关性与对比度，并将得到的特征值按数组的形式储存到相应的像素位置；步骤
③
：当相关性与对比度满足预设条件时，则判断当前像素区域为目标蛋鸡，并将其标记为1，若不满足，则判断当前像素区域为背景区域，并依据判断结果对目标图像进行背景分离以提取目标蛋鸡图像；步骤
④
：计算蛋鸡图像的形状因子，并选取形状因子趋向0的蛋鸡图像，并判断该蛋鸡图像存在蛋鸡粘连区域，同时估算各粘连区域蛋鸡数量，之后对粘连区域进行凸包区域填充，再依据凸包面积以及粘连区域面积获取粘连区域凸缺陷以获取该凸缺陷内的凹点信息；步骤
【专利技术属性】
技术研发人员：李可强，王玉清，于剑楠，李祥龙，
申请(专利权)人：河北科技师范学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。