CN103983216B - 基于机器视觉和场地防滑道的粪量检测方法 - Google Patents

Abstract

本发明公开了一种饲养场粪量检测方法，该方法包括：将饲养场中的地板防滑道进行直线划分得到条状防滑道；在饲养场监控图像中设置感兴趣区域，并计算其面积A；计算所有防滑线在感兴趣区域内的长度和L；得到场地监控图像中前景区域总面积D；检测感兴趣区域中防滑线未被遮挡的有效线段长度和l；根据以上参数计算得到场地监控图像中被粪便遮挡的面积S。本发明通过现场实时监控录像检测饲养场中地板被粪便掩盖的比例，并及时预警清理，从而实现了基于机器视觉的饲养场粪便遮挡面积检测的功能。

Description

基于机器视觉和场地防滑道的粪量检测方法

技术领域

本发明涉及设施牧业中的自动化智能控制系统，特别是一种基于机器视觉和场地防滑道的粪量检测方法。

背景技术

从近50年来我国养牛业的统计情况来看，我国牛的存栏数目不断增多，经营规模不断扩大，养牛技术水平不断提高，但与国外一些发达国家的养牛技术相比较，我国养牛业仍然存在饲料结果不合理，造成出场率不高，管理成本大等问题。尽管近年来我国奶业发展速度很快，但总体上看，奶业在农业中依然是一个发展相对滞后的产业，基础还相当薄弱，具体体现在奶牛单产水平低、监管不够完善、饲养管理水平低等许多方面。

过去对牧业的饲料管理仍基于人工劳力的监管方式，管理不够完善，致使产业滞后，管理成本高。在我国，设施牧业技术逐渐兴起，而对饲养场中牲畜粪便智能检测的方法相对较空，本方法基于机器视觉和场地防滑道实景智能检测饲养场中粪便污染的面积，可及时预警通知系统中的其它模块对粪便进行清理，以达到智能检测的目的。

随着设施牧业的大力发展，牧业管理逐步趋向智能化应用。用机器视觉技术代替人眼进行监管作业具有不言而喻的优越性：首先，其能排除人的主观因素的干扰，避免因人而异的判断结果；其次，能完成较为定量、客观的计算工作，不仅能够提高精度，还可以将牧人从繁重的劳动中解放出来。

发明内容

为了解决上述问题，本发明提出一种智能牧业中，对饲养场牲畜活动区域和防滑道直线进行机器视觉智能检测，从而计算粪便遮挡场地的方法。

本发明提出的一种粪量检测方法包括以下步骤：

步骤1，将饲养场中的地板防滑道进行直线划分得到以防滑线区分的条状防滑道；

步骤2，对所述饲养场进行拍摄，在得到的场地监控图像中设置感兴趣区域，并计算该感兴趣区域的面积A；

步骤3，标记所述感兴趣区域中每条防滑线的任意两点的位置，并计算所有防滑线在所述感兴趣区域内的长度和L；

步骤4，基于高斯动态背景建模对于所述场地监控图像中的牲畜活动区域进行检测，进而得到所述场地监控图像中前景区域的总面积D；

步骤5，通过计算饲养场防滑线的角度范围，检测所述感兴趣区域中防滑线未被遮挡的有效线段的长度和l；

步骤6，根据所述感兴趣区域的面积A、所述场地监控图像中前景区域的总面积D、所述感兴趣区域中有效线段的长度和l和所述感兴趣区域中所有防滑线的长度和L计算得到所述场地监控图像中被粪便遮挡的面积S。

本发明所取得的有益效果是：通过现场实时监控录像，检测饲养场中地板被粪便掩盖的比例，及时预警清理，实现基于机器视觉的饲养场粪便遮挡面积检测的功能。

附图说明

图1为本发明基于机器视觉及场地防滑道的粪量检测方法流程图；

图2为饲养场某一检测区域的示意图，其中：图2(a)为某一饲养场的监控场景图；图2(b)为监控场景中设置的ROI检测区域，即图2(a)中的白色方框区域；

图3为用直线标示检测区域中地板防滑道的示意图，用于确定图像中防滑线的位置；

图4为基于高斯动态背景建模方法提取图像前景图及其定位的示意图，其中：图4(a)为监控视频图像中的一帧存在运动物体的图像；图4(b)为基于高斯动态背景建模方法提取得到的前景图像；图4(c)为前景图像的定位示意图；

图5为对场地监控图像进行边缘检测后得到的结果；

图6为边缘检测图像对非防滑线区域进行去噪之后的结果；

图7为边缘图像去噪之后的线段检测结果；

图8为场景图像与检测结果叠加的检测效果图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

图1为本发明基于机器视觉及场地防滑道的粪量检测方法流程图，由于地板防滑道上划分好的等隔线条会遭受粪便的遮挡，因此检测地板上规划线条的完整性可对应地板被粪便遮挡的区域，从而映射其粪便遮挡面积。在实际饲养场场景中，场地防滑线段检测时往往会受到活动牲畜的影响，因此要对场景图像进行前景去除，并标记受影响的区域，在计算粪便遮挡面积时把该区域减去。本发明还基于高斯动态背景建模的方法检测目标区域中运动的物体。如图1所示，本发明提出的基于机器视觉及场地防滑道的粪量检测方法包括以下步骤：

步骤1，人为地将实际饲养场中的地板防滑道进行直线划分得到以防滑线区分的条状防滑道；

在本发明一实施例中，对地板防滑道勾画等间隔细长的直线，即防滑线，以将整块地板以条状划分，其中，可设置所述防滑线的颜色明显有别于场地地板的颜色，图2(a)为某一饲养场的监控场景图。

步骤2，对所述饲养场进行拍摄，在得到的场地监控图像中设置感兴趣区域，并计算该感兴趣区域的面积A；

该步骤中，首先使用嵌入式摄像机拍摄饲养场环境，并实时进行显示；然后设置场地监控图像的感兴趣区域ROI即粪便检测区域，以不规则四边形划分，并计算得到该区域的面积为A，如图2(b)所示，图2(b)中的白色方框区域即为监控场景中设置的感兴趣区域。

步骤3，人为地标记所述感兴趣区域中每条防滑线的任意两点的位置，并计算所有防滑线在所述感兴趣区域内的长度和L；

所述步骤3进一步包括以下步骤：

步骤31，事先记录每条防滑线任意两点的坐标位置，用于表示相应防滑线所在的直线；

步骤32，然后计算每条防滑线与所述感兴趣区域上下边缘相交位置的坐标，并计算所有与所述感兴趣区域相交的防滑线在所述感兴趣区域内的线段的长度和L，所述防滑线如图3中的粗线所示。

该步骤中，用防滑线与所述感兴趣区域边缘相交的两个端点的坐标来表示相应的防滑线：

L1＝{(x1,y1)，(x2,y2)，L2＝{(x1,y1),(x2,y2)}···Ln＝{(x1,y1),(x2,y2)}，

则统计得到的所有与所述感兴趣区域相交的防滑线在所述感兴趣区

域内的线段的长度和L表示为：

$\begin{array}{c}L=\sqrt{{\left({L1x}_1\text{-}{L1x}_2\right)}^2+{({L1y}_1-{L1y}_2)}^2}\\ +\sqrt{{({L2x}_1-{L2x}_2)}^2+{({L2y}_1-{L2y}_2)}^2}+...\\ +\sqrt{{({\mathrm{Lnx}}_1-{\mathrm{Lnx}}_2)}^2+{({\mathrm{Lny}}_1-{\mathrm{Lny}}_2)}^2}\end{array}$

其中，Lnx₁表示防滑线Ln与所述感兴趣区域边缘相交的一个端点的横坐标，Lnx₂表示防滑线Ln与所述感兴趣区域边缘相交的另一个端点的横坐标，Lny₁表示防滑线Ln与所述感兴趣区域边缘相交的一个端点的纵坐标，Lny₂表示防滑线Ln与所述感兴趣区域边缘相交的另一个端点的纵坐标。

步骤4，基于高斯动态背景建模对于所述场地监控图像中的牲畜活动区域进行检测，进而得到所述场地监控图像中前景区域的总面积D；

所述步骤4进一步包括以下步骤：

步骤41，对所述场地监控图像进行高斯动态背景建模；

步骤42，提取所述场地监控图像中的前景图像，并对其进行二值化；

该步骤中，通过设置合适的参数，使前景图像明显显示，并以二值化图像的形式输出，如图4(b)所示；

步骤43，定位所述前景图像的位置，并得到若干前景区域所在最小矩形的面积；

该步骤中，从水平和垂直方向扫描二值化前景图像中的连通区域，定位其上下左右边缘，得到多个前景区域，即活动牲畜遮挡地板的区域，并得到前景区域所在最小矩形(如图4(c)所示)的面积；

步骤44，计算所述前景区域的总面积D，进而得到前景区域在所述感兴趣区域中所占的面积比q＝D/A；

所述步骤44进一步包括以下步骤：

步骤441，判断定位得到的多个前景区域中有无重叠的情况，若某一前景区域所在的最小矩形的顶点在另一矩形区域内，则说明存在重叠区域，计算其重叠区域的面积；

步骤442，计算所有前景区域的面积和，并将其减去重叠区域的面积，得到所述场地监控图像中的前景区域总面积D，那么前景区域在感兴趣区域中所占的面积比为q＝D/A；

其中，合并得到的前景区域的面积不作为后续粪便检测的区域。

步骤45，若所述感兴趣区域内的前景区域较多，遮挡了大部分地板背景区域，即所述前景区域在感兴趣区域中所占的面积比q大于一预定阈值，比如0.5，则流程结束，不进行粪便面积的检测，当所述面积比q小于该预定阈值时，才进入下一步骤进行后续粪便面积的检测；

在后续进行粪便面积的计算时，将前景区域的总面积D作为无效区域去除，即在计算粪便面积时，前景区域不考虑在内。

步骤5，通过计算饲养场防滑线的角度范围，检测所述感兴趣区域中防滑线未被遮挡的有效线段的长度和l；

所述步骤5进一步包括以下步骤：

步骤51，对所述感兴趣区域进行canny边缘化处理，处理得到的边缘化图像如图5所示，以去除地板中防滑线以外噪声的影响；

步骤52，基于已知防滑线的位置，保留防滑线周边的边缘图像，去除所述边缘化图像中除防滑线以外的噪声，最终得到的新边缘化图像如图6所示；

步骤53，对所述新边缘化图像进行hough变换，检测变换后得到的图像中存在的线段，如图7所示，并根据防滑线的角度范围，筛选满足条件的有效线段；

该步骤中，筛选角度范围为所述饲养场左右两边防滑线的角度α、β，即若目标线段的角度为θ，则其应满足α<θ<β；

步骤54，统计检测得到的所有有效线段的长度和l。

步骤6，根据所述感兴趣区域的面积A、所述场地监控图像中前景区域的总面积D、所述感兴趣区域中有效线段的长度和l和所述感兴趣区域中所有防滑线的长度和L计算得到所述场地监控图像中被粪便遮挡的面积S；

该步骤中，使用下式来计算面积S：

S＝l·A/L-D。

根据本发明一实施例的粪便检测的结果如图8所示，其中，细线条一带的区域防滑线模糊不清检测不到，表示被粪便遮挡的区域，粗线条一带的区域防滑线能够清楚检测得到，表示未被粪便遮挡的区域。

步骤7，根据所述场地监控图像中被粪便遮挡的面积S来判断是否需要启动预警。

在该步骤中，如果S大于某一预定阈值，则启动预警清理粪便。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种粪量检测方法，其特征在于，该方法包括以下步骤：

步骤1，将饲养场中的地板防滑道进行直线划分得到以防滑线区分的条状防滑道；

步骤2，对所述饲养场进行拍摄，在得到的场地监控图像中设置感兴趣区域，并计算该感兴趣区域的面积A；其中，所述感兴趣区域为粪便检测区域；

步骤3，标记所述感兴趣区域中每条防滑线的任意两点的位置，并计算所有防滑线在所述感兴趣区域内的长度和L；

步骤4，基于高斯动态背景建模对于所述场地监控图像中的牲畜活动区域进行检测，进而得到所述场地监控图像中前景区域的总面积D；

步骤5，通过计算饲养场防滑线的角度范围，检测所述感兴趣区域中防滑线未被遮挡的有效线段的长度和1；

步骤6，根据所述感兴趣区域的面积A、所述场地监控图像中前景区域的总面积D、所述感兴趣区域中有效线段的长度和1和所述感兴趣区域中所有防滑线的长度和L计算得到所述场地监控图像中被粪便遮挡的面积S。

2.根据权利要求1所述的方法，其特征在于，所述步骤3进一步包括以下步骤：

步骤31，记录每条防滑线任意两点的坐标位置，用于表示相应防滑线所在的直线；

步骤32，计算每条防滑线与所述感兴趣区域上下边缘相交位置的坐标，并计算所有与所述感兴趣区域相交的防滑线在所述感兴趣区域内的线段的长度和L。

3.根据权利要求1所述的方法，其特征在于，所述步骤4进一步包括以下步骤：

步骤41，对所述场地监控图像进行高斯动态背景建模；

步骤42，提取所述场地监控图像中的前景图像，并对其进行二值化；

步骤43，定位所述前景图像的位置，并得到若干前景区域所在最小矩形的面积；

步骤44，计算所述前景区域的总面积D，进而得到前景区域在所述感兴趣区域中所占的面积比q＝D/A；

步骤45，若所述前景区域在感兴趣区域中所占的面积比q大于一预定阈值，则流程结束，不进行粪便面积的检测，若所述面积比q小于该预定阈值，则进入下一步骤。

4.根据权利要求3所述的方法，其特征在于，所述步骤44进一步包括以下步骤：

步骤441，判断定位得到的多个前景区域中有无重叠的情况，若有，则计算重叠区域的面积；

步骤442，计算所有前景区域的面积和，并将其减去重叠区域的面积，得到所述场地监控图像中的前景区域总面积D，进而得到前景区域在感兴趣区域中所占的面积比q＝D/A。

5.根据权利要求1所述的方法，其特征在于，所述步骤5进一步包括以下步骤：

步骤51，对所述感兴趣区域进行边缘化处理，得到边缘化图像；

步骤52，基于已知防滑线的位置，保留防滑线周边的边缘图像，去除所述边缘化图像中除防滑线以外的噪声，得到新边缘化图像；

步骤53，对所述新边缘化图像进行hough变换，检测变换后得到的图像中存在的线段，并根据防滑线的角度范围，筛选得到有效线段；

步骤54，统计检测得到的所有有效线段的长度和1。

6.根据权利要求5所述的方法，其特征在于，所述有效线段的角度为θ满足：α＜θ＜β，其中，α、β为所述饲养场左右两边防滑线的角度。

7.根据权利要求1所述的方法，其特征在于，所述步骤6中，使用下式来计算面积S：

S＝l·A/L-D。

8.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：

步骤7，根据所述场地监控图像中被粪便遮挡的面积S来判断是否需要启动预警。

9.根据权利要求8所述的方法，其特征在于，所述步骤7中，如果面积S大于某一预定阈值，则启动预警清理粪便。