CN107426488B - 肉鸡跛行自动监测方法及装置 - Google Patents
肉鸡跛行自动监测方法及装置 Download PDFInfo
- Publication number
- CN107426488B CN107426488B CN201710312671.5A CN201710312671A CN107426488B CN 107426488 B CN107426488 B CN 107426488B CN 201710312671 A CN201710312671 A CN 201710312671A CN 107426488 B CN107426488 B CN 107426488B
- Authority
- CN
- China
- Prior art keywords
- broiler chicken
- image
- video image
- limping
- posture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 241000287828 Gallus gallus Species 0.000 title claims abstract description 372
- 206010017577 Gait disturbance Diseases 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012544 monitoring process Methods 0.000 title claims abstract description 38
- 238000012545 processing Methods 0.000 claims description 19
- 238000011156 evaluation Methods 0.000 claims description 12
- 239000000284 extract Substances 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 11
- 238000012806 monitoring device Methods 0.000 claims description 6
- 230000036578 sleeping time Effects 0.000 claims 2
- 230000000875 corresponding effect Effects 0.000 description 12
- 238000001514 detection method Methods 0.000 description 9
- 235000013372 meat Nutrition 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000005021 gait Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000009318 large scale farming Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 235000005911 diet Nutrition 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000037230 mobility Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K45/00—Other aviculture appliances, e.g. devices for determining whether a bird is about to lay
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Birds (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供一种肉鸡跛行自动监测方法及装置。方法包括:从活动通道的上方采集肉鸡经过时的视频图像;将所述视频图像进行处理,以提取所述视频图像中肉鸡躯干上的预设像素点与图像采集器之间的距离信息;根据所述距离信息对肉鸡的姿态进行判定,以获取姿态指标;根据所述姿态指标对肉鸡跛行行为进行评估,以获取评估结果。本发明实施例提供的肉鸡跛行自动监测方法及装置,通过采集肉鸡活动通道上方的视频图像,对视频图像进行处理后可以获取肉鸡的姿态指标,进而实现对肉鸡跛行行为的自动监测,降低了肉鸡跛行监测的监测难度和劳动强度。
Description
技术领域
本发明实施例涉及肉鸡养殖技术领域,尤其涉及一种肉鸡跛行自动监测方法及装置。
背景技术
跛行活动是衡量肉鸡是否健康的一个重要指标。研究表明跛行会影响肉鸡的行走、饮食等活动,从而影响肉鸡的肉质与料肉比等指标。因此对肉鸡跛行的早期检测对改善肉鸡健康,提高动物福利具有重要的意义。
目前通用的跛行检测方法主要有两种:一种方法是人工肉眼现场观察,有经验的专家观察各种参数来进行评估,比如:滚动步态、行动颠簸、摇晃和机动性等情况,最后对肉鸡的行动步态进行评分。这种方法主观性强,费时费力,不适用于大规模养殖场的鸡群评估,而且不能在肉鸡整个生长周期进行连续监测,不能对肉鸡的跛行行为进行早期探测。另一种方法就是通过延迟躺下时间来测试,具体操作是通过在地上洒一层浅水,肉鸡碰到浅水会自动站立起来,测试肉鸡从站立到蹲下的持续时间,因为该持续时间与肉鸡的步态分数具有重大相关性,所以利用这个持续时间间接评估肉鸡的跛行行为。这种方法需要专门的场地进行洒水测试,对于大规模的养殖场需要分批进行,需要大量的时间和劳力,并且不适用于在肉鸡整个生长周期进行持续的监测。
现有技术中还没有一种方法可以降低肉鸡跛行行为的监测难度和劳动强度,因此,提供一种降低监测难度和劳动强度的肉鸡跛行行为监测方法是目前业界亟待解决的技术问题。
发明内容
为了解决现有技术中肉鸡跛行行为监测难度大以及劳动强度大的问题,本发明实施例提供一种肉鸡跛行自动监测方法及装置。
一方面,本发明实施例提供一种肉鸡跛行自动监测方法,包括:
从活动通道的上方采集肉鸡经过时的视频图像;
将所述视频图像进行处理,以提取所述视频图像中肉鸡躯干上的预设像素点与图像采集器之间的距离信息;
根据所述距离信息对肉鸡的姿态进行判定,以获取姿态指标;
根据所述姿态指标对肉鸡跛行行为进行评估,以获取评估结果。
另一方面,本发明实施例提供一种肉鸡跛行自动监测装置,包括:
图像采集模块,用于从活动通道的上方采集肉鸡经过时的视频图像;
图像处理模块,用于将所述视频图像进行处理,以提取所述视频图像中肉鸡躯干上的预设像素点与图像采集器之间的距离信息;
指标获取模块,用于根据所述距离信息对肉鸡的姿态进行判定,以获取姿态指标;
行为评估模块,用于根据所述姿态指标对肉鸡跛行行为进行评估,以获取评估结果。
本发明实施例提供的肉鸡跛行自动监测方法及装置,通过采集肉鸡活动通道上方的视频图像,对视频图像进行处理后可以获取肉鸡的姿态指标,进而实现对肉鸡跛行行为的自动监测,降低了肉鸡跛行监测的监测难度和劳动强度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的肉鸡跛行监测方法流程示意图;
图2是本发明实施例提供的肉鸡跛行监测装置结构示意图;
图3是本发明实施例提供的又一肉鸡跛行监测装置结构示意图;
图4是本发明实施例提供的肉鸡跛行自动检测装置布局示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1是本发明实施例提供的肉鸡跛行监测方法流程示意图,如图1所示,所述方法包括:
步骤11、从活动通道的上方采集肉鸡经过时的视频图像;
步骤12、将所述视频图像进行处理,以提取所述视频图像中肉鸡躯干上的预设像素点与图像采集器之间的距离信息;
步骤13、根据所述距离信息对肉鸡的姿态进行判定,以获取姿态指标;
步骤14、根据所述姿态指标对肉鸡跛行行为进行评估,以获取评估结果。
由于肉鸡具有群体行为,本发明实施例提供的活动通道设计为:起点可以看到终点的肉鸡群体,而从终点是看不到起点处的任何信息。因此当肉鸡处于起点时,它会自动地往终点行走,但当肉鸡到达终点后,它不会返回至起点,这是动物行为所决定的。三维图像能够测量肉鸡到图像传感器之间的距离,利用三维图像采集器,从顶部视图中提取肉鸡的后背信息,从后背三维信息中计算与肉鸡步态评分相关的运动行为参数。利用活动通道上方,视野覆盖整个活动通道的三维图像采集器对肉鸡通过活动通道时的视频图像进行采集。然后对视频图像进行处理就可以提取出视频图像中肉鸡躯干上的预设像素点与图像采集器之间的距离信息。这里提到的预设像素点可以是肉鸡躯干上的最高像素点,还可以是肉鸡躯干中间像素点等其他像素点此处不再一一列举。根据视频图像中肉鸡躯干上的预设像素点与图像采集器之间的距离信息可以对肉鸡的姿态进行判断,并获取肉鸡的姿态指标。最后,根据肉鸡的姿态指标就可以实现对肉鸡跛行行为的评估。
本发明实施例提供的肉鸡跛行自动监测方法,通过采集肉鸡活动通道上方的视频图像,对视频图像进行处理后可以获取肉鸡的姿态指标,进而实现对肉鸡跛行行为的自动监测,降低了肉鸡跛行监测的监测难度和劳动强度。
在上述实施例的基础上,进一步地,所述将所述视频图像进行处理,以提取所述视频图像中肉鸡躯干上的预设像素点与图像采集器之间的距离信息的步骤具体为:
接收并存储所述视频图像;
通过设定阈值将所述视频图像进行滤波,获取肉鸡图像;
对所述肉鸡图像进行扫描,获取肉鸡轮廓;
对所述肉鸡轮廓中肉鸡的头部和躯干进行识别,提取肉鸡躯干图像;
利用椭圆对所述躯干图像进行拟合,定位所述视频图像中的肉鸡区域;
根据定位,提取所述视频图像中肉鸡躯干上的预设像素点与图像采集器之间的距离信息。
采集到的视频图像不能直接读出相关的数据作为肉鸡跛行行为的评定标准,还需要进行图像处理。图像处理的过程具体为:
a)接收并存储视频图像。首先接收三维图像采集器采集的视频图像,然后对视频图像进行存储,这是图像处理的数据基础。
b)通过设定阈值将所述视频图像进行滤波,获取肉鸡图像。视频图像中不仅包含肉鸡图像还录入了肉鸡所在环境的图像,环境图像会对后期的数据分析产生影响,因此需要对视频图像进行滤波,滤除环境图像保留肉鸡图像。具体的滤波方式可以是通过设定阈值的方式实现,设定两个阈值把视频图像中非肉鸡图像的部分进行滤波,然后获取到肉鸡图像。
c)对所述肉鸡图像进行扫描,获取肉鸡轮廓。在获取肉鸡图像之后再对肉鸡的图像进行扫描,获取肉鸡的轮廓为下一步处理做准备。
d)对所述肉鸡轮廓中肉鸡的头部和躯干进行识别,提取肉鸡躯干图像。肉鸡低头或抬头时头部的高度变化比较大,不能根据肉鸡头部的高度判断肉鸡的运动行为,因此需要对肉鸡轮廓中肉鸡的头部和躯干进行识别,去掉肉鸡头部的图像,保留肉鸡的躯干图像为下一步的处理提供数据基础。
e)利用椭圆对所述躯干图像进行拟合,定位所述视频图像中的肉鸡区域。为了对图像中的肉鸡进行精确定位,利用更加接近肉鸡躯干形状的椭圆形对前一步提取出的肉鸡躯干图像进行拟合。
f)根据定位,提取所述视频图像中肉鸡躯干上的预设像素点与图像采集器之间的距离信息。在对肉鸡精确定位之后,对肉鸡躯干图像上的预设像素点和图像采集器之间的距离进行读取,获知肉鸡躯干与图像采集器之间的距离信息。这里提到的预设像素点可以是肉鸡躯干图像上的最高点、最低点或者是在利用椭圆形进行拟合时确定的某一特定位置,只要是能反映肉鸡高度的某一固定像素点即可,此处不再一一列举。
本实施例提供的监测方法中,利用一系列的图像处理方法得到更为精确的肉鸡与图像采集器之间的距离信息,进一步提高了肉鸡跛行自动监测方法的监测精度。
在上述实施例的基础上,进一步地,所述姿态指标包括站立时间和/或蹲卧次数;
所述根据所述距离信息对肉鸡的姿态进行判定,获取姿态指标的步骤具体为:若所述距离信息小于或等于预定阈值,则判定肉鸡为站立姿态,读取视频图像中站立姿态持续的时间即可获知站立时间;若所述距离信息大于预定阈值,则判定肉鸡为蹲卧姿态,读取视频图像中出现蹲卧姿态的次数即可获知蹲卧次数。
研究发现,肉鸡的蹲卧次数和站立时间与肉鸡的跛行行为具有很强的相关性。蹲卧次数越多,肉鸡存在跛行的可能性越大,两者保持正相关;站立时间越长,肉鸡存在跛行的可能性越低,两者存在负相关;因此,本发明实施例提供的方法中,姿态指标可以是站立时间,也可以是蹲卧次数,还可以是站立时间和蹲卧次数兼顾。
通过图像处理可以获知肉鸡躯干与图像采集器之间的距离,也就是说可以获知所述肉鸡的高度。肉鸡站立或行走时的高度要大于肉鸡蹲卧时的高度,也就是说,肉鸡站立或行走时肉鸡躯干与图像采集器之间的距离要小于肉鸡蹲卧时的距离。为了方便描述,我们将肉鸡站立或行走的姿态称为站立姿态,将肉鸡蹲卧时的姿态称为蹲卧姿态。
因此,可以通过设定阈值判断肉鸡的姿态:当肉鸡躯干与图像采集器之间的距离大于设定阈值时,可以判定该肉鸡为蹲卧姿态;然而当该距离小于或等于设定阈值时,则可以判定肉鸡为站立姿态。
在判定肉鸡姿态之后可以通过视频图像中的信息进一步获取相应的姿态信息:通过读取视频图像中肉鸡站立姿态持续的时间,也就是肉鸡连续两次蹲卧相差的时间可以获知肉鸡的站立时间;通过对视频图像中肉鸡蹲卧姿态的计数可以获知肉鸡的蹲卧次数。
本实施例提供的方法中,对视频图像中肉鸡的站立时间和/或蹲卧次数进行统计,这两个指标都可以很好的反映肉鸡的运动行为,为肉鸡跛行行为的自动检测提供更好的数据基础,提高判断的准确度。
在上述实施例的基础上,进一步地,所述根据所述姿态指标对肉鸡跛行行为进行评估具体为:
若所述站立时间在第一评估阈值范围内,则肉鸡跛行评分为第一跛行评分;
若所述蹲卧次数在第二评估阈值范围内,则肉鸡跛行评分为第二跛行评分。
当对肉鸡的跛行行为进行评估时,可以根据肉鸡的站立时间进行评估也可以根据肉鸡的蹲卧次数进行评估,还可以将两个数据结合在一起进行评估。因为活动通道的特殊设计,使肉鸡在进入活动通道之后一定会从出口处跑出通道,并且通道的长度保证了肉鸡可以在一定的时间段内离开通道。肉鸡跛行情况越严重通过通道时的蹲卧次数就越多,相应的由于蹲卧次数的增多,肉鸡在两次蹲卧之间的站立时间也就越短。所以,肉鸡的站立时间和蹲卧次数都可以反映出肉鸡的跛行情况。肉鸡的站立时间越短肉鸡跛行概率就越高,肉鸡的蹲卧次数越多其跛行概率也越高。为了更好的反映肉鸡的跛行情况,本发明实施例提供一种评分机制,根据肉鸡的跛行情况将肉鸡的姿态指标设定阈值范围,每个阈值对应一个跛行评分,若所述站立时间在第一评估阈值范围内,则肉鸡跛行评分为第一跛行评分;若所述蹲卧次数在第二评估阈值范围内,则肉鸡跛行评分为第二跛行评分。这里提到的第一评估阈值、第二评估阈值、第一跛行评分和第二跛行评分可以是根据大数据分析得知也可以是根据经验获知。
例如,可以根据肉鸡跛行情况将肉鸡跛行评分设为0、1、2、3、4五个等级,0分表示良好、1分一般、2分有点跛行、3分跛行严重、4跛行非常严重。表1为肉鸡姿态指标与跛行评分对应表,通过自动监测对站立时间和蹲卧次数这两个指标间接地进行评分,从而对跛行情况进行评估。
表1肉鸡姿态指标与跛行评分对应表
站立时间t(s) | 蹲卧次数x(次) | 跛行评分 |
t≥100 | x<3 | 0 |
60≤t<100 | 3≤x<5 | 1 |
40≤t<60 | 5≤x<10 | 2 |
20≤t<40 | 10≤x<15 | 3 |
t<20 | x>15 | 4 |
某肉鸡在通过通道时,经过图像处理和姿态判定获知其站立时间为18s,已知当肉鸡站立时间小于20s时,肉鸡跛行评分为4,18s小于20s,因此,该肉鸡的跛行评分为4,跛行非常严重。
以蹲卧次数为例,通过图像处理和分析获知某肉鸡在通过通道时的蹲卧次数为13次,已知当肉鸡的蹲卧次数10≤x<15时,肉鸡跛行评分为3,13次在10至15之间,因此该肉鸡的跛行评分为3,跛行严重。
还可以同时获取肉鸡的蹲卧次数和站立时间,将这两个指标结合对肉鸡的跛行概率进行评定。如通过图像处理和分析获知某肉鸡在通过通道时站立时间为18s,蹲卧次数为13次,由于18s小于20s,13次在10次至15次之间,所以可以获知该肉鸡的跛行评分为3或4分,跛行情况严重或非常严重。
本发明实施例提供的方法,通过设定阈值对肉鸡的姿态指标与肉鸡跛行评分进行关联,可以更好的反映自动检测对肉鸡跛行行为的判断情况,提高判断肉鸡跛行行为的效率。
在上述各实施例的基础上,进一步的,所述方法还包括:读取肉鸡身份信息;
相应的,所述视频图像、距离信息、姿态指标和评估结果均与所述身份信息对应。
在肉鸡身上放置脚环或挂牌等可以用来存储肉鸡身份信息的机构,当肉鸡进入活动通道时通过射频读取或者扫码等方式读取肉鸡的身份信息,然后在发送视频图像以及图像处理时,将所述的视频图像、距离信息、姿态指标和评估结果均与所述身份信息对应。所述身份信息可以是每只肉鸡唯一对应的编号也可以是其他可以对肉鸡起到识别作用的信息。
以射频读取肉鸡脚环中的编号为例,进行说明如下:
在活动通道的入口处安装射频读写器,当肉鸡进入通道时,射频读写器感应到肉鸡脚环,对肉鸡脚环中存储的编号进行识读并发送给图像采集器,当图像采集器接收到射频读写器发来的肉鸡编号时,触发三维图像采集器开始进行图像采集,并将采集到的图像发送给图像处理器进行处理,图像处理器对图像进行处理和分析之后对肉鸡的跛行行为进行判断。
本实施例提供的方法能够精准地识别每只肉鸡,从而可以精准地判断每只肉鸡的跛行情况,进行精准处理。另外,图像采集与处理、肉鸡个体与跛行行为的识别,实现了全部自动化,这种自动化、非接触并且客观的肉鸡跛行监测方法能够在肉鸡整个生长周期进行连续监测,特别是面向一定规模的肉鸡养殖场的肉鸡跛行的实时评估。
图2是本发明实施例提供的肉鸡跛行监测装置结构示意图,如图2所示,装置包括:图像采集模块1、图像处理模块2、指标获取模块3和行为评估模块4;其中:图像采集模块1用于从活动通道的上方采集肉鸡经过时的视频图像;图像处理模块2用于将所述视频图像进行处理,以提取所述视频图像中肉鸡躯干上的预设像素点与图像采集器之间的距离信息;指标获取模块3用于根据所述距离信息对肉鸡的姿态进行判定,以获取姿态指标;行为评估模块4用于根据所述姿态指标对肉鸡跛行行为进行评估,以获取评估结果。
具体的,图像采集模块1是一个三维图像采集器,位于肉鸡活动通道的上方,其视野范围包括整个活动通道。当肉鸡通过活动通道时,图像采集模块1对肉鸡通过活动通道的整个过程进行图像采集,并将采集到的视频图像发送给。图像处理模块2在接收到图像采集模块1发送的视频图像之后,对视频图像进行处理就可以提取出视频图像中肉鸡躯干上的预设像素点与图像采集器之间的距离信息。然后指标获取模块3根据视频图像中肉鸡躯干上的预设像素点与图像采集器之间的距离信息可以对肉鸡的姿态进行判断,并获取肉鸡的姿态指标。最后,行为评估模块4根据肉鸡的姿态指标就可以实现对肉鸡跛行行为的评估。
本发明实施例提供的肉鸡跛行自动监测装置,通过图像采集模块1采集肉鸡活动通道上方的视频图像,图像处理模块2对视频图像进行处理后指标获取模块3可以获取肉鸡的姿态指标,进而由行为评估模块4实现对肉鸡跛行行为的自动监测,降低了肉鸡跛行监测的监测难度和劳动强度。
图3是本发明实施例提供的又一肉鸡跛行监测装置结构示意图,如图3所示,装置包括:图像采集模块1、图像处理模块2、指标获取模块3和行为评估模块4;所述图像处理模块2包括:接收单元21、滤波单元22、轮廓提取单元23、躯干提取单元24、拟合单元25和信息提取单元26;其中图像采集模块1、指标获取模块3和行为评估模块4的功能与上述实施例相同,此处不再赘述;图像处理模块2中:接收单元21用于接收并存储所述视频图像;滤波单元22用于通过设定阈值将所述视频图像进行滤波,获取肉鸡图像;轮廓提取单元23用于对所述肉鸡图像进行扫描,获取肉鸡轮廓;躯干提取单元24用于对所述肉鸡轮廓中肉鸡的头部和躯干进行识别,提取肉鸡躯干图像;拟合单元25用于利用椭圆对所述躯干图像进行拟合,定位所述视频图像中的肉鸡区域;信息提取单元26用于根据定位,提取所述视频图像中肉鸡躯干上的预设像素点与图像采集器之间的距离信息。
a)接收单元21接收并存储视频图像。首先接收单元21接收三维图像采集器采集的视频图像,然后对视频图像进行存储,这是图像处理的数据基础。
b)通过设定阈值,滤波单元22将所述视频图像进行滤波,获取肉鸡图像。视频图像中不仅包含肉鸡图像还录入了肉鸡所在环境的图像,环境图像会对后期的数据分析产生影响,因此需要对视频图像进行滤波,滤除环境图像保留肉鸡图像。具体的滤波方式可以是通过设定阈值的方式实现,设定两个阈值把视频图像中非肉鸡图像的部分进行滤波,然后获取到肉鸡图像。
c)对所述肉鸡图像进行扫描,轮廓提取单元23获取肉鸡轮廓。在获取肉鸡图像之后再对肉鸡的图像进行扫描,获取肉鸡的轮廓为下一步处理做准备。
d)对所述肉鸡轮廓中肉鸡的头部和躯干进行识别,躯干提取单元24提取肉鸡躯干图像。肉鸡低头或抬头时头部的高度变化比较大,不能根据肉鸡头部的高度判断肉鸡的运动行为,因此需要对肉鸡轮廓中肉鸡的头部和躯干进行识别,去掉肉鸡头部的图像,保留肉鸡的躯干图像为下一步的处理提供数据基础。
e)拟合单元25利用椭圆对所述躯干图像进行拟合,定位所述视频图像中的肉鸡区域。为了对图像中的肉鸡进行精确定位,利用更加接近肉鸡躯干形状的椭圆形对前一步提取出的肉鸡躯干图像进行拟合。
f)根据定位,信息提取单元26提取所述视频图像中肉鸡躯干上的预设像素点与图像采集器之间的距离信息。在对肉鸡精确定位之后,信息提取单元26对肉鸡躯干图像上的预设像素点和图像采集器之间的距离进行读取,获知肉鸡躯干与图像采集器之间的距离信息。这里提到的预设像素点可以是肉鸡躯干图像上的最高点、最低点或者是在利用椭圆形进行拟合时确定的某一特定位置,只要是能反映肉鸡高度的某一固定像素点即可,此处不再一一列举。
本实施例提供的监测装置中,利用接收单元21、滤波单元22、轮廓提取单元23、躯干提取单元24、拟合单元25和信息提取单元26得到更为精确的肉鸡与图像采集器之间的距离信息,进一步提高了肉鸡跛行自动监测方法的监测精度。
在上述实施例的基础上,进一步地,所述姿态指标包括站立时间和/或蹲卧次数;所述指标获取模块具体用于:若所述距离信息小于或等于预定阈值,则判定肉鸡为站立姿态,读取视频图像中站立姿态持续的时间即可获知站立时间;若所述距离信息大于预定阈值,则判定肉鸡为蹲卧姿态,读取视频图像中出现蹲卧姿态的次数即可获知蹲卧次数。
通过图像处理模块可以获知肉鸡躯干与图像采集器之间的距离,也就是说可以获知所述肉鸡的高度。肉鸡站立或行走时的高度要大于肉鸡蹲卧时的高度,也就是说,肉鸡站立或行走时肉鸡躯干与图像采集器之间的距离要小于肉鸡蹲卧时的距离。为了方便描述,我们将肉鸡站立或行走的姿态称为站立姿态,将肉鸡蹲卧时的姿态称为蹲卧姿态。
因此,可以通过设定阈值判断肉鸡的姿态:当肉鸡躯干与图像采集器之间的距离大于设定阈值时,可以判定该肉鸡为蹲卧姿态;然而当该距离小于或等于设定阈值时,则可以判定肉鸡为站立姿态。
在判定肉鸡姿态之后,指标获取模块可以通过视频图像中的信息进一步获取相应的姿态信息:通过读取视频图像中肉鸡站立姿态持续的时间,即肉鸡连续两次蹲卧相差的时间,可以获知肉鸡的站立时间;通过对视频图像中肉鸡蹲卧姿态的计数可以获知肉鸡的蹲卧次数。
本实施例提供的装置中,对视频图像中肉鸡的站立时间和/或蹲卧次数进行统计,这两个指标都可以很好的反映肉鸡的运动行为,为肉鸡跛行行为的自动检测提供更好的数据基础,提高判断的准确度。
在上述实施例的基础上,进一步地,所述行为评估模块具体用于:
若所述站立时间在第一评估阈值范围内,则肉鸡跛行评分为第一跛行评分;
若所述蹲卧次数在第二评估阈值范围内,则肉鸡跛行评分为第二跛行评分。
当对肉鸡的跛行行为进行评估时,可以根据肉鸡的站立时间进行评估也可以根据肉鸡的蹲卧次数进行评估,还可以将两个数据结合在一起进行评估。因为活动通道的特殊设计,使肉鸡在进入活动通道之后一定会从出口处跑出通道,并且通道的长度保证了肉鸡可以在一定的时间段内离开通道。肉鸡跛行情况越严重通过通道时的蹲卧次数就越多,相应的由于蹲卧次数的增多,肉鸡在两次蹲卧之间的站立时间也就越短。所以,肉鸡的站立时间和蹲卧次数都可以反映出肉鸡的跛行情况。肉鸡的站立时间越短肉鸡跛行概率就越高,肉鸡的蹲卧次数越多其跛行概率也越高。
为了更好的反映肉鸡的跛行情况,本发明实施例提供一种评分机制,根据肉鸡的跛行情况将肉鸡的姿态指标设定阈值范围,每个阈值对应一个跛行评分,若所述站立时间在第一评估阈值范围内,则肉鸡跛行评分为第一跛行评分;若所述蹲卧次数在第二评估阈值范围内,则肉鸡跛行评分为第二跛行评分。这里提到的第一评估阈值、第二评估阈值、第一跛行评分和第二跛行评分可以是根据大数据分析得知也可以是根据经验获知。
本实施例提供的装置用于执行上述方法实施例中的方法,其功能与方法实施例相同,此处不再赘述。
本发明实施例提供的装置,通过在行为评估模块设定阈值对肉鸡的姿态指标与肉鸡跛行评分进行关联,可以更好的反映自动检测对肉鸡跛行行为的判断情况,提高判断肉鸡跛行行为的效率。
在上述各实施例的基础上,进一步地,所述装置还包括:信息采集模块,用于读取肉鸡身份信息;相应的,所述视频图像、距离信息、姿态指标和评估结果均与所述身份信息对应。
在肉鸡身上放置脚环或挂牌等可以用来存储肉鸡身份信息的机构,当肉鸡进入活动通道时通过射频读取或者扫码等方式读取肉鸡的身份信息,然后在发送视频图像以及图像处理时,将所述的视频图像、距离信息、姿态指标和评估结果均与所述身份信息对应。所述身份信息可以是每只肉鸡唯一对应的编号也可以是其他可以对肉鸡起到识别作用的信息。
图4是本发明实施例提供的肉鸡跛行自动检测装置布局示意图,如图4所示,在活动通道403的入口处安装射频读写器401,当肉鸡进入通道时,射频读写器感应到肉鸡脚环402,对肉鸡脚环中存储的编号进行识读并发送给图像采集器,当图像采集器接收到射频读写器发来的肉鸡编号时,触发三维图像采集器404开始进行图像采集,并将采集到的图像发送给图像处理器405进行处理,图像处理器对图像进行处理和分析之后对肉鸡的跛行行为进行判断。
本实施例提供的装置能够精准地识别每只肉鸡,从而可以精准地判断每只肉鸡的跛行情况,进行精准处理。另外,图像采集与处理、肉鸡个体与跛行行为的识别,实现了全部自动化,适用于大规模养殖场对肉鸡进行整个生长周期的连续监测。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种肉鸡跛行监测方法,其特征在于,包括:
从活动通道的上方采集肉鸡经过时的视频图像;
将所述视频图像进行处理,以提取所述视频图像中肉鸡躯干上的预设像素点与图像采集器之间的距离信息;
根据所述距离信息对肉鸡的姿态进行判定,以获取姿态指标;
根据所述姿态指标对肉鸡跛行行为进行评估,以获取评估结果;
其中,所述将所述视频图像进行处理,以提取所述视频图像中肉鸡躯干上的预设像素点与图像采集器之间的距离信息的步骤具体为:
接收并存储所述视频图像;
通过设定阈值将所述视频图像进行滤波,获取肉鸡图像;
对所述肉鸡图像进行扫描,获取肉鸡轮廓;
对所述肉鸡轮廓中肉鸡的头部和躯干进行识别,提取肉鸡躯干图像;
利用椭圆对所述躯干图像进行拟合,定位所述视频图像中的肉鸡区域;
根据定位,提取所述视频图像中肉鸡躯干上的预设像素点与图像采集器之间的距离信息。
2.根据权利要求1所述的方法,其特征在于,所述姿态指标包括站立时间和/或蹲卧次数;
所述根据所述距离信息对肉鸡的姿态进行判定,获取姿态指标的步骤具体为:
若所述距离信息小于或等于预定阈值,则判定肉鸡为站立姿态,读取视频图像中站立姿态持续的时间即可获知站立时间;
若所述距离信息大于预定阈值,则判定肉鸡为蹲卧姿态,读取视频图像中出现蹲卧姿态的次数即可获知蹲卧次数。
3.根据权利要求2所述的方法,其特征在于,所述根据所述姿态指标对肉鸡跛行行为进行评估具体为:
若所述站立时间在第一评估阈值范围内,则肉鸡跛行评分为第一跛行评分;
若所述蹲卧次数在第二评估阈值范围内,则肉鸡跛行评分为第二跛行评分。
4.根据权利要求1至3任一所述的方法,其特征在于,所述方法还包括:读取肉鸡身份信息;
相应的,所述视频图像、距离信息、姿态指标和评估结果均与所述身份信息对应。
5.一种肉鸡跛行监测装置,其特征在于,包括:
图像采集模块,用于从活动通道的上方采集肉鸡经过时的视频图像;
图像处理模块,用于将所述视频图像进行处理,以提取所述视频图像中肉鸡躯干上的预设像素点与图像采集器之间的距离信息;
指标获取模块,用于根据所述距离信息对肉鸡的姿态进行判定,以获取姿态指标;
行为评估模块,用于根据所述姿态指标对肉鸡跛行行为进行评估,以获取评估结果;
其中,所述图像处理模块包括:
接收单元,用于接收并存储所述视频图像;
滤波单元,用于通过设定阈值将所述视频图像进行滤波,获取肉鸡图像;
轮廓提取单元,用于对所述肉鸡图像进行扫描,获取肉鸡轮廓;
躯干提取单元,用于对所述肉鸡轮廓中肉鸡的头部和躯干进行识别,提取肉鸡躯干图像;
拟合单元,用于利用椭圆对所述躯干图像进行拟合,定位所述视频图像中的肉鸡区域;
信息提取单元,用于根据定位,提取所述视频图像中肉鸡躯干上的预设像素点与图像采集器之间的距离信息。
6.根据权利要求5所述的装置,其特征在于,所述姿态指标包括站立时间和/或蹲卧次数;
所述指标获取模块具体用于:
若所述距离信息小于或等于预定阈值,则判定肉鸡为站立姿态,读取视频图像中站立姿态持续的时间即可获知站立时间;
若所述距离信息大于预定阈值,则判定肉鸡为蹲卧姿态,读取视频图像中出现蹲卧姿态的次数即可获知蹲卧次数。
7.根据权利要求6所述的装置,其特征在于,所述行为评估模块具体用于:
若所述站立时间在第一评估阈值范围内,则肉鸡跛行评分为第一跛行评分;
若所述蹲卧次数在第二评估阈值范围内,则肉鸡跛行评分为第二跛行评分。
8.根据权利要求5至7任一所述的装置,其特征在于,所述装置还包括:信息采集模块,用于读取肉鸡身份信息;
相应的,所述视频图像、距离信息、姿态指标和评估结果均与所述身份信息对应。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710312671.5A CN107426488B (zh) | 2017-05-05 | 2017-05-05 | 肉鸡跛行自动监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710312671.5A CN107426488B (zh) | 2017-05-05 | 2017-05-05 | 肉鸡跛行自动监测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107426488A CN107426488A (zh) | 2017-12-01 |
CN107426488B true CN107426488B (zh) | 2019-08-13 |
Family
ID=60425496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710312671.5A Active CN107426488B (zh) | 2017-05-05 | 2017-05-05 | 肉鸡跛行自动监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107426488B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110402840B (zh) * | 2019-07-25 | 2021-12-17 | 深圳市阿龙电子有限公司 | 一种基于图像识别的生猪监测终端及生猪监测系统 |
CN111339850B (zh) * | 2020-02-14 | 2024-03-15 | 中国农业大学 | 一种基于支撑时相的奶牛跛行检测方法与系统 |
CN111767794A (zh) * | 2020-05-28 | 2020-10-13 | 华南农业大学 | 基于机器视觉的笼养家禽异常行为检测方法及检测系统 |
CN112528772A (zh) * | 2020-11-27 | 2021-03-19 | 中国农业大学 | 基于热红外的奶牛跛行运动特征检测方法及装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4887498B2 (ja) * | 2006-11-06 | 2012-02-29 | 国立大学法人東京農工大学 | 骨系統疾患の病態評価および/または骨系統疾患の治療薬探索システムおよびプログラム、ならびに情報記憶媒体 |
CN101507658A (zh) * | 2009-03-10 | 2009-08-19 | 江苏大学 | 一种基于行为监测的病猪识别方法及系统 |
CN101907459B (zh) * | 2010-07-12 | 2012-01-04 | 清华大学 | 基于单目视频的实时三维刚体目标姿态估计与测距方法 |
CN102954817B (zh) * | 2012-01-13 | 2015-07-22 | 北京安赛博技术有限公司 | 动物运动状态的监测方法 |
AU2013350867B2 (en) * | 2012-12-02 | 2017-08-31 | Agricam Ab | Systems and methods for predicting the outcome of a state of a subject |
WO2017083674A1 (en) * | 2015-11-13 | 2017-05-18 | Karimpour Ramin | Automatic system and method for injecting a substance into an animal |
CN106326919A (zh) * | 2016-08-16 | 2017-01-11 | 西北农林科技大学 | 一种基于bp神经网络的生猪行为分类方法 |
-
2017
- 2017-05-05 CN CN201710312671.5A patent/CN107426488B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107426488A (zh) | 2017-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107426488B (zh) | 肉鸡跛行自动监测方法及装置 | |
US10810414B2 (en) | Movement monitoring system | |
Aquino et al. | A new methodology for estimating the grapevine-berry number per cluster using image analysis | |
Arakeri et al. | Computer vision based robotic weed control system for precision agriculture | |
CN108030494A (zh) | 基于交叉验证的心电信号错误标记训练样本识别方法 | |
CN102509085A (zh) | 基于轮廓不变矩特征的猪行走姿态识别系统和方法 | |
CN102915446A (zh) | 基于svm机器学习的植物病虫害检测方法 | |
CN111339912A (zh) | 一种基于遥感影像识别牛羊的方法和系统 | |
CN110532899B (zh) | 基于热成像的母猪产前行为分类方法及系统 | |
Feiyang et al. | Monitoring behavior of poultry based on RFID radio frequency network | |
CN111339850B (zh) | 一种基于支撑时相的奶牛跛行检测方法与系统 | |
CN110490161B (zh) | 一种基于深度学习的圈养动物行为分析方法 | |
CN103632157A (zh) | 单株小麦穗部籽粒数计数方法 | |
JP2014075999A5 (ja) | 心筋細胞の運動検出方法、心筋細胞の培養方法、薬剤評価方法、画像処理プログラム及び画像処理装置 | |
Annamalai et al. | Citrus yield mapping system using machine vision | |
CN106580272A (zh) | 一种活体动物生理数据采集装置 | |
CN110070024A (zh) | 一种皮肤压力性损伤热成像图像识别的方法、系统及手机 | |
CN110414369B (zh) | 一种牛脸的训练方法及装置 | |
CN110532926A (zh) | 基于深度学习的猪神经性疾病智能测报方法 | |
CN107576660A (zh) | 一种基于距离等高线的双黄鸭蛋自动视觉检测方法 | |
CN108038418A (zh) | 垃圾清理方法和装置 | |
CN117351404A (zh) | 一种奶牛分娩应激程度判识方法及系统 | |
CN113807132B (zh) | 植物生长区域的灌水状态的识别方法、装置和存储介质 | |
Watcharabutsarakham et al. | An approach for density monitoring of brown planthopper population in simulated paddy fields | |
CN113379561A (zh) | 一种家禽数量的智能计算方法、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |