CN107578408B - 一种奶牛养殖场地面尿液面积的仿真测量装置与方法 - Google Patents
一种奶牛养殖场地面尿液面积的仿真测量装置与方法 Download PDFInfo
- Publication number
- CN107578408B CN107578408B CN201710825206.1A CN201710825206A CN107578408B CN 107578408 B CN107578408 B CN 107578408B CN 201710825206 A CN201710825206 A CN 201710825206A CN 107578408 B CN107578408 B CN 107578408B
- Authority
- CN
- China
- Prior art keywords
- urine
- image
- images
- aluminium sheet
- correction
- 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
Landscapes
- Image Processing (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明提出了一种奶牛养殖场地面尿液面积的仿真测量装置与方法,步骤如下:搭建安装CCD相机和IR相机的采集平台;在地面上人工创建尿液坑,将校正铝板放置在尿液坑附近,分别对获得的彩色图像和IR图像校正,计算得到彩色图像和IR图像中每个像素所代表的实际面积;通过阈值提取彩色图像的尿液坑区域,并计算尿液坑的实际面积;统计IR图像中的尿液坑区域的像素数,并计算尿液坑的实际面积;通过线性回归得到彩色图像中尿液坑的实际面积和IR图像中尿液坑的实际面积的关系模型,实现对IR图像测量结果的修正。本发明能快速、精确计算IR图像中的尿液坑面积,自动化程度高,装置简便且易携带,为奶牛养殖场尿液排放的检测及分析提供了支撑。
Description
技术领域
本发明涉及环境监测和图像处理的技术领域,尤其涉及奶牛养殖场地面尿液面积的仿真测量装置与方法,方便奶牛养殖场的NH3排放量的计算。
背景技术
在欧洲,由于NH3沉积导致环境的富营养化和酸化,已经设定了排放上限来规范NH3等有害气体的排放(UNECE,1999.The 1999Gothenburg Protocol to AbateAcidification.Eutrophication and Ground-level Ozone)。但是,在实际的奶牛等畜禽的养殖中,我国部分地区大量排放NH3已经导致了自然环境的超载。大量的NH3排放是由农业经济产业造成的,其中很大一部分来自奶牛、肉猪等养殖业。典型的牛舍包括一个带隔间的休息区和饮食区,这些区域铺设地板,地板下方是水泥等材质的地面,该区域的NH3排放量约占整个养殖场排放总量的70%以上。随着对NH3排放的监管,迫切需要减少牛舍等养殖场的NH3排放,为了制定和优化减缓NH3排放的措施,描述NH3排放基本过程的NH3排放模型和确定尿液挥发表面积等关键变量是非常有用的。
随着人们对自身健康和生存环境的关注,对安全、无污染、高品质绿色食品的需求日益强烈,对目前规模化的畜禽养殖提出了非常严格的要求,促使养殖企业装备具有先进技术的自动化、智能化设备,采用信息化、数字化的管理手段,来监控环境污染,提高畜禽产品的附加值和企业的养殖效率,提高自动化和智能化水平,减小人工的劳动强度,实现信息化、现代化的养殖。
NH3排放长期以来一直是养殖行业的难题,现阶段已经开发了几种模型估算奶牛养殖场的NH3排放,然而,这些模型中的参数及输入变量的值各不相同。分析表明,畜禽尿液相关的五个输入变量:pH、尿素含量、尿液坑的面积、深度和温度,解释了NH3排放量的71%。剩余的变化占比是尿液坑上方的空气温度和风速、尿素转化的最大速率以及Michaelis-Menten常数等。对奶牛养殖场的NH3排放模型的输入变量需要准确地模拟,但是对模型的研究没有足够的数据。这在很大程度上是由于奶牛养殖场环境复杂,以及缺乏适当的测量方法。如果要改进NH3排放模型,需要准确获取多个变量的数据,这些变量在准确测定奶牛养殖场NH3排放中起重要作用。
已有的量化地面上畜禽尿液面积的方法有:Aarnink等人(Aarnink A J A,Berg AJ V D,Keen A,et al.Effect of Slatted Floor Area on Ammonia Emission and onthe Excretory and Lying Behaviour of Growing Pigs[J].Journal of AgriculturalEngineering Research,1996,64(4):299-310)使用受过训练的观察员,通过在纸张上手工绘制,记录猪舍地板上的尿液区域,该方法不够准确;Aarnink等(Aarnink A J A,Swierstra D,Berg A J V D,et al.Effect of Type of Slatted Floor and Degree ofFouling of Solid Floor on Ammonia Emission Rates from Fattening Piggeries[J].Journal of Agricultural Engineering Research,1997,66(2):93-102.)在猪舍的地板上的尿液区域绘制一个矩形,然后估计这个矩形内的尿液的面积。以上方法都基于人工观察并描绘尿液区域,难以准确估测尿液坑的面积,研究人员也没有评估人工估测的精度。人工观测方法测量奶牛养殖场地面上的尿液面积存在一定的难度,因为在牛经常排尿的地板上,经常有其它杂物及粪便等干扰,难以准确描述尿液坑的形状。因此,人工观测方法不足以精确的量化奶牛养殖场地面上的尿液面积。
虽然尚未出现准确测量尿液面积值的方法。近些年,计算机技术、信息技术、人工智能等技术越来越广泛地应用于养殖业中。随着视频监控系统在现代化养猪场运用的兴起,监控分析自动化和智能化是其发展趋势,其中涉及的图像处理技术因猪舍环境的复杂性和研究内容的具体性,研究目标及成就也呈现多样性(朱伟兴,浦雪峰,李新城,等.基于行为监测的疑似病猪自动化识别系统[J].农业工程学报,2010,26(1):188-192)。
随着传感器技术和计算机技术的发展,近年来红外相机已成功应用于农业,肖治术等采用红外相机技术进行野生动物监测研究(肖治术,李欣海,姜广顺.红外相机技术在我国野生动物监测研究中的应用[J].生物多样性,2014,22(6):683-684.)。李欣海等应用红外相机监测结果估计小型啮齿类物种的种群密度(李欣海,于家捷,张鹏,等.应用红外相机监测结果估计小型啮齿类物种的种群密度[J].生态学报,2016,36(8):2311-2318.)。
热红外成像的工作原理是基于温度和发射率的差异实现的。首先,水的发射率为0.96,对于水中含有少量的混合物(含有干物质)的发射率为0.95,含有少量的粗糙物质的发射率为0.97,这些不同类型的水体的发射率大约相等。第二,应该注意的是,奶牛刚排出的尿液会很快冷却到地板的温度,特别是在尿液形成的尿液坑的边缘位置,降温会更迅速。在10分钟内,尿液形成的尿液坑将冷却到牛舍内的地板温度。因此,一旦奶牛完成排尿,必须立即采集尿液坑的红外和彩色图像。
在奶牛排尿的短时间内尿液区域的温度约25-35℃,随着时间的增长,会降至室温。IR相机在该温度范围内可以成功的捕捉校正铝板、人工模拟的蓝色尿液与地面背景等的温度差异,因此,需要通过合理的设置阈值,将尿液区域从背景中分离,以确定尿液坑的实际面积。为了验证其准确性,根据同时获得的彩色图像测量蓝色尿液坑的实际面积,作为开发的IR图像测量方法的对照与参考。
发明内容
针对现有技术方法尚未解决准确测量地面尿液面积的问题,本发明提出一种奶牛养殖场地面尿液面积的仿真测量装置与方法,实现了尿液坑的自动化分割与测量,基于热红外成像和数码相机可以准确地测量牛舍地板上尿液的实际面积,为奶牛养殖场NH3的排放分析及监测提供了更有效的解决方法。
为了达到上述目的,本发明的技术方案是这样实现的:一种奶牛养殖场地面尿液面积的仿真测量方法,其步骤如下:
步骤一:搭建设置有CCD相机和IR相机的采集平台,CCD相机的镜头位于IR相机的镜头的上方,CCD相机的视野包含IR相机的视野;
步骤二:在地面上人工创建80个、由30℃的蓝色温水填充的尿液坑,尿液坑附近放置校正铝板,保证尿液坑和校正铝板位于CCD相机和IR相机的视场中心,针对同一个尿液坑,采集平台分别利用CCD相机获取每个尿液坑的彩色图像、利用IR相机获取每个尿液坑的IR图像;从而实现80个尿液坑的彩色图像和IR图像的采集;
步骤三:利用校正铝板对同一个尿液坑的彩色图像和IR图像分别进行校正,利用三次内插法对彩色图像和IR图像进行灰度插值,并分别计算彩色图像和IR图像中单个像素所代表的实际面积;
步骤四:根据RGB颜色空间对校正后的彩色图像设定阈值,通过阈值将尿液坑从彩色图像中分割出来,计算尿液坑的像素数,像素数乘以彩色图像的单个像素所代表的实际面积即为尿液坑的实际面积AGT;
步骤五:对校正后的IR图像通过温度阈值去除图像中的铝板区域,然后进行自适应阈值处理:thldmin<Tr,c<thldmax得到二值化图像,统计二值化图像中尿液坑的像素数,像素数乘以IR图像中单个像素所代表的实际面积即为尿液坑面积AIR;其中,Tr,c为校正后并且去除校正铝板区域的IR图像的坐标(r,c)处的温度,最大阈值thldmax为校正后的IR图像中去除校正铝板区域后图像中的最大温度值,thldmin为坐标校正后的IR图像中去除校正铝板区域后图像中的最小阈值;
步骤六:建立80个尿液坑通过IR图像测量得到的尿液的实际坑面积AIR和通过彩色图像测量得到的尿液坑的实际面积AGT的散点图,通过线性回归得到AIR和AGT的关系模型:AGT=1.0257×AIR;以单独采用IR相机获取IR图像,然后进行处理得到的尿液坑的实际面积乘以1.0257,作为尿液坑的最终面积。
所述尿液坑的形状为模拟奶牛刚排出到地面的尿液的形状;根据RGB颜色空间设定彩色图像的阈值,当像素同时满足红色分量R<60,绿色分量G<60,蓝色分量B>180,则该像素为尿液区域,通过该分割阈值将尿液坑从彩色图像中分割出来,计算尿液坑的像素数,像素数乘以彩色图像的单个像素所代表的实际面积即为尿液坑实际面积AGT。
所述校正铝板在使用前加热到60℃,在彩色图像中对校正铝板的识别采用阈值分割法,当彩色图像中的像素同时满足R>190、G>190和B>190,则该像素为校正铝板区域;在IR图像中对校正铝板的识别采用温度阈值法,当IR图像中的像素点表示的温度高于45℃时,则该像素为校正铝板区域。
所述最小阈值thldmin是基于校正后的IR图像中去除校正铝板区域后的平均背景温度Tbackground和阈值偏移项a建立的:thldmin=Tbackground+a×σimg;其中,Tbackground表示IR图像中的表示地面角落且不存在水坑的区域的温度,且Tcor,i表示角落i处的温度,i=1,2,3,4;角落的大小为10×10像素,N表示角落的总像素数,N=4×10×10=400;a表示控制阈值从Tbackground的偏移系数,σimg表示校正后并且去除铝板区域的IR图像的像素所代表的温度值的标准差。
所述偏移系数a的确定方法为:(Ⅰ)aj的取值在0.00-3.00之间,aj依次递增0.01,j=0,1,2,…,300;(Ⅱ)将aj的值带入最小阈值thldmin公式中,对包含第l个尿液坑的校正后并且去除铝板区域的IR图像进行阈值处理得到二值化图像,统计二值化图像中表示尿液坑的像素数,像素数乘以IR图像中单个像素所代表的实际面积即为第l个尿液坑的面积AIRjl,则相对差(Ⅲ)80个尿液坑的相对差的平均值为(Ⅳ)循环第(Ⅰ)-(Ⅲ)步,得到301个相对差RDj,ave,(Ⅴ)比较301个相对差RDj,ave的大小,相对差RDj,ave最小时的aj值为偏移系数a。
一种奶牛养殖场地面尿液面积的仿真测量装置,包括CCD相机、IR相机、手推车和用于校正的校正铝板,手推车下部设有可转动的滑轮,CCD相机和IR相机通过支撑板固定在手推车的支架的上部,CCD相机的镜头位于IR相机的镜头的上方;所述校正铝板设置在IR相机的视图区域中、且位于待检测的尿液坑的附近,确保尿液坑和校正铝板位于相机的视场中心或接近中心位置。
所述IR相机的透镜的焦距f=35mm、视场角为24°×18°,获取的红外图像为640×480像素,IR图像获取的温度值保留小数点后1位;所述IR相机距离地面的高度为2.1米、与垂直立面的夹角为45度;所述CCD相机获取2048×1536像素的彩色图像。
所述校正铝板外部轮廓的长宽为1.0m×0.6m,内部轮廓的长宽为0.8m×0.4m。
本发明的有益效果:采用了点坐标校正的方法,校正所采集的IR图像和彩色图像,改正了相机传感器的误差;开发的自适应阈值算法能够根据IR图像确定自适应阈值,自动提取IR图像中的尿液坑,无需人工判读;能够准确将尿液坑与其周围物体区分,操作方便快捷,图像处理方法有效,能快速、精确计算尿液坑的面积,采用线性回归模型来修正尿液坑的面积,具有非常高的精度;自动化程度高,装置简便且易携带,为奶牛养殖场尿液排放的检测及分析提供了支撑。同时,本发明的研究思路与方法也可以推广到其它畜禽的相关NH3排放的检测中。
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简单地介绍,显而易见地,下面描述中的附图仅仅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为本发明的流程图。
图2为本发明仿真测量装置的结构示意图。
图3为图像校正中建立包含校正铝板的IR图像坐标系与现实世界坐标系的转换关系。
图4为本发明测得的尿液坑面积AGT与人工判读阈值测得的尿液坑面积AAT以及变异系数CV的散点图。
图5为本发明三种地板上的IR图像、直方图和识别出的尿液坑的对比图。
图6为本发明彩色图像测得的尿液坑面积AGT与IR图像测得的尿液坑面积AIR的散点图。
具体实施方式
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,所描述的实施例仅仅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付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。
如图1所示,一种奶牛养殖场地面尿液面积的仿真测量方法,其步骤如下:
步骤一:搭建设置有CCD相机和IR相机的采集平台,CCD相机的镜头位于IR相机的镜头的上方,CCD相机的视野覆盖IR相机的视野。
采集平台为一种奶牛养殖场地面尿液面积的仿真测量装置,如图2所示,包括CCD相机1、IR相机2、手推车3和校正铝板5,手推车3下部设有可转动的滑轮4,滑轮4可以带动手推车移动。CCD相机1和IR相机2通过支撑板安装在手推车3的支架的上部。IR相机2的透镜的焦距f=35mm、视场角为24°×18°,型号为SC6060(FLIR Systems,Inc.USA),用于拍摄地面上尿液的IR(红外)图像。获取的IR图像为640×480像素,IR图像获取的温度值的测量精度为±1℃,保留小数点后1位。IR相机2距离地面的高度为2.1米、与垂直立面的夹角为45度;所述CCD相机1获取2048×1536像素的彩色图像。IR相机2采集的IR图像和CCD相机1采集的彩色图像都保存为JPEG图像。CCD相机1的镜头位于IR相机2的镜头的上方,可以获取包含IR相机视野的更大范围的地面图像。手推车3的支架是可以伸缩的,从而使CCD相机1和IR相机2的高度可调,在必要时降低支架的高度或从支架上取下来近距离的获取图像。
步骤二:在地面上人工创建80个、由30℃的蓝色温水填充的尿液坑,尿液坑附近放置校正铝板,保证尿液坑和校正铝板位于CCD相机和IR相机的视场中心,利用CCD相机和IR相机分别获取每个尿液坑的彩色图像和IR图像。
尿液坑为洼坑,其形状为模拟奶牛刚排到地面的尿液的形状,以各种类似于奶牛养殖场地板上真正的尿液坑的形状创建的。洼坑全部填充人造的“奶牛尿液”,即用一种加入了蓝色染料(皇室蓝色素)的30℃的温水填充洼坑,其温度与奶牛刚排出的尿液温度接近,立即获取相应人造洼坑的IR图像和彩色图像。实验通过使用三种不同的地板类型在实验室中进行实际测量,如表1所示,并在1-5秒内获取IR和彩色图像。
表1地板参数
实验通过使用三种不同的市售类型的地板在实验室中进行,大多数关于地板特性的信息仅在实验室条件下进行测量,并且不确定获得的值是否接近实际值。不同的奶牛养殖场所采用的地板类型有所差别,需要反映目前实际情况的奶牛场NH3排放模型的输入变量的实际测量数据,验证不同类型的地板所产生尿液区域的分布特征及面积测量的精度。
由于地板的设计构造、养殖场的复杂环境,很难在IR图像和彩色图像中发现具有已知尺寸且易于自动校正的参照物,如果没有人为附加形状已知的参照物,就难以自动校正图像。因此,在尿液坑附近放置校正铝板,便于后续的图像自动校正。需要确保尿液坑和校正铝板位于CCD相机和IR相机的视场中心,实现包含校正铝板和尿液坑的图像的采集。
步骤三:尿液坑附近放置用于校正的校正铝板,确保尿液坑、校正铝板位于彩色图像和IR图像的视场中心或接近中心位置,利用校正铝板对同一个尿液坑的彩色图像和IR图像分别进行校正,并计算彩色图像和IR图像中单个像素所代表的实际面积。
本发明采用校正铝板5设置在IR相机2的视图区域6中、且位于待检测的地面上的尿液坑的旁边。校正铝板5的外部轮廓的长宽为1.0m×0.6m,内部轮廓的长宽为0.8m×0.4m。根据校正铝板已知的实际大小可以校正采集的IR图像和彩色图像,便于获取图像中真实区域的尺寸。为了消除倾斜和投影差的影响,改正因传感器误差而引起的像点位移,采用点坐标校正的方法分别校正IR图像和彩色图像。
采用点坐标校正方法建立IR图像中校正铝板(提取IR图像中校正铝板的外部轮廓和内部轮廓的8个角点的图像坐标,并赋值8个角点的现实世界坐标,如图3b所示)所在的图像坐标系与现实世界坐标系的转换关系,解求转换关系中的未知参数,然后根据转换关系对IR图像各个像素的坐标进行校正,统计校正后的IR图像中的尿液坑区域的像素数,乘以IR图像中的单个像素所代表的实际面积,得到尿液坑的实际面积。每次移动推车获取下一组尿液坑的IR和彩色图像后,执行该校正方法。
(1)IR图像的校正
校正铝板在使用前加热到60℃,校正铝板本身为银白色。在IR图像中对校正铝板的识别采用温度阈值法,当IR图像中的某个像素所代表的温度值大于45℃时,则该像素为校正铝板区域,如图3(a)所示,白色区域为采用温度阈值法得到的校正铝板区域,(Ⅰ)采用Matlab软件中的imfill算法,填充校正铝板所包围的黑色背景,(Ⅱ)然后采用Matlab软件中的bwboundaries算法,提取IR图像中校正铝板的外部轮廓的边界点。(Ⅲ)采用Matlab软件中的DelaunayTri算法将校正铝板的外部轮廓边界点进行规则化处理;(Ⅳ)采用Matlab软件中的convexHull算法提取校正铝板外部轮廓边界点中的4个角点,将这4个角点的图像坐标存储在b1、b2、b3和b4中。统计四个角点中行坐标最大的两个角点,将这两个角点的图像坐标存储在d3、d4中;统计四个角点中行坐标最小的两个角点,将这两个角点的图像坐标存储在d1、d2中。将d3、d4中列坐标较小的角点的图像坐标存储到a1中,列坐标较大的角点的图像坐标存储到a2中。将d1、d2中列坐标较大的角点的图像坐标存储到a3中,列坐标较小的角点的图像坐标存储到a4中。
如图3(b)所示,此时a1在图像坐标系的坐标为(r1,c1),设定a1在现实世界坐标系中的坐标为(x1=0,y1=0);a2在图像坐标系的坐标为(r2,c2),设定a2在现实世界坐标系中的坐标为(x2=1.0,y2=0);a3在图像坐标系的坐标为(r3,c3),设定a3在现实世界坐标系中的坐标为(x3=1.0,y3=0.6);a4在图像坐标系的坐标为(r4,c4),设定a4在现实世界坐标系中的坐标为(x4=0,y4=0.6)。
如图3(a)所示,白色区域为采用温度阈值法得到的校正铝板区域,采用imfill算法填充校正铝板所包围的黑色背景,得到填充后的图像,用该填充后的图像减去图3(a),得到校正铝板的内部轮廓所包围的区域,针对该区域采用上面所述的(Ⅱ)(Ⅲ)(Ⅳ)步骤,得到校正铝板的内部轮廓的角点a5、a6、a7和a8的图像坐标。
如图3(b)所示,此时a5在图像坐标系的坐标为(r5,c5),设定a5在现实世界坐标系中的坐标为(x5=0.1,y5=0.1);a6在图像坐标系的坐标为(r6,c6),设定a6在现实世界坐标系中的坐标为(x6=0.9,y6=0.1);a7在图像坐标系的坐标为(r7,c7),设定a7在现实世界坐标系中的坐标为(x7=0.9,y7=0.5);a8在图像坐标系的坐标为(r8,c8),设定a8在现实世界坐标系中的坐标为(x8=0.1,y8=0.5)。
根据如下公式对IR图像中8个角点在图像坐标系的坐标与对应的现实世界坐标系中的坐标的转换关系进行计算。
其中,R、C分别是图像坐标系中的坐标(行和列),u、v分别表示现实世界坐标的横坐标和纵坐标,m0、m1、m2、m3、m4、m5、n0、n1、n2、n3、n4、n5表示转换系数。将a1、a2、a3、a4、a5、a6、a7和a8在图像坐标系的坐标和现实世界坐标系中的坐标代入公式(1),求解出转换系数m0、m1、m2、m3、m4、m5、n0、n1、n2、n3、n4、n5。解出公式(1)中的转换系数后,将IR图像中的图像坐标系中所有的表示像素位置的坐标代入公式(1),解出公式中每一个图像坐标所对应的现实世界坐标系的坐标。
(2)彩色图像的校正
校正铝板本身为银白色,在彩色图像中对校正铝板的识别采用阈值分割法,当RGB图像中的像素同时满足R>190、G>190、B>190,则该像素为校正铝板区域。接下来对彩色图像的校正与IR图像的校正方法相同,从而也实现了对彩色图像的校正。
常用的像素灰度内插法包括最近邻元法、双线性内插法和三次内插法,本发明采用三次内插法,求解最佳插值,计算量不大,插值后的图像效果良好。在校正彩色图像和IR图像后,分别利用三次内插法进行灰度插值。
当校正后的IR图像中的某个像素所代表的温度值大于45℃时,则该像素为校正铝板区域,对校正后的IR图像采用该温度阈值法,提取图像中的校正铝板区域,采用之前所述的外部轮廓的角点提取方法,提取校正后的IR图像中校正铝板底部边上的两个角点的图像列坐标,计算列坐标的差值,结合已知的底部边长的真实距离为1m,计算得到校正后的IR图像中每个像素的边长所代表的真实距离,对像素的边长求取二次方,得到IR图像的单个像素所代表的实际的面积。
对校正后的彩色图像采用阈值分割法,当RGB图像中的像素同时满足R>190,G>190,B>190,则该像素为校正铝板区域;针对该区域采用之前所述的外部轮廓的角点提取方法,提取校正后的彩色图像中校正铝板底部边上的两个角点的图像列坐标,计算列坐标的差值,结合已知的底部边长的真实距离为1m,计算得到校正后的彩色图像中每个像素的边长所代表的真实距离,将像素的边长乘以像素的边长得到彩色图像的单个像素所代表的实际面积。
本发明中,每次推车发生移动后,即对新获取的包含同一校正铝板5的彩色图像和IR图像分别进行校正。采集图像时确保校正铝板和尿液坑在CCD相机1和IR相机2的视场中心或接近中心的位置。由于铝板本身的颜色及光反射,校正铝板5总是清楚地与其周围区分开,并且在选择像素时易于识别。本发明没有校准由IR相机测量的温度值,因为奶牛尿液区域的温度值在研究中可以通过阈值识别,不需要提高温度的精度。总之,校正方法效果良好,误差小。
步骤四:尿液坑的彩色图像用于确定尿液坑实际面积AGT。根据RGB颜色空间对校正后的彩色图像设定阈值,当像素同时满足R<60、G<60、B>180,则该像素为尿液区域,通过该阈值将尿液坑从彩色图像中分割出来,统计尿液坑的像素数,像素数乘以彩色图像的单个像素所代表的实际面积即为尿液坑实际面积AGT。
采用人工判读的方法,手动设定阈值,分割校正后的彩色图像中尿液坑区域,并统计尿液坑区域的像素数,乘以彩色图像中单个像素所代表的实际面积,计算得到人工测量的尿液坑的实际面积AAT。通过分析AGT和AAT,评价本发明所提出的测量彩色图像中尿液坑面积的方法的稳定性和可靠性。
当需要比较两组数据(AGT和AAT)的离散程度时,为了消除测量尺度和量纲的影响,根据没有量纲的变异系数CV进行客观比较,计算原始数据标准差与原始数据平均数的比值。事实上,可以认为变异系数和极差、标准差、方差一样,都是反映数据离散程度的绝对值,其数据大小不仅受变量值离散程度的影响,而且还受变量值平均水平大小的影响。变异系数的计算公式为:
CV=SD/Mean×100% (2)
其中,CV(Coefficient of Variance)表示同一个尿液坑的变异系数;Mean表示同一个尿液坑的AGT和AAT的平均值;SD(Std Dev,Standard Deviation)表示同一个尿液坑的AGT和AAT的标准偏差。
图4显示了每一个尿液坑的AGT和AAT的平均值,共计80个尿液坑,及AGT和AAT的变异系数CV。尿液坑的面积范围为0.12-0.96m2,主要分布在0.1-0.5m2之间。对于大部分的尿液坑的CV小于0.10,只有一个较大值为0.24。CV的平均值为0.04,标准差SD为0.04,结果彼此一致。通过这些数据表明,本发明测量结果的稳定性和可靠性。
步骤五:对校正后的IR图像通过温度阈值去除图像中的铝板区域,然后进行自适应阈值处理:根据阈值thldmin<Tr,c<thldmax得到二值化图像,统计二值化图像中尿液坑的像素数,像素数乘以IR图像中单个像素所代表的实际面积即为尿液坑面积AIR;其中,Tr,c为校正后并且去除铝板区域的IR图像的坐标(r,c)处的温度,最大阈值thldmax为校正后的IR图像中去除校正铝板区域后图像中的最大温度值,thldmin为校正后的IR图像中去校正除铝板区域后图像中的最小阈值。
采用之前提出的温度阈值法提取校正后的IR图像中的校正铝板区域,并从IR图像中剔除,后续的处理都是在校正后并且剔除校正铝板区域的IR图像中进行的。然后确定尿液坑面积AIR。对于每个IR图像中的每个像素,利用开发的自适应阈值算法确定它是否表示尿液坑。算法的工作原理是基于温差,采用自适应阈值可以解决不同的IR图像的温度差异造成的阈值变化。通过阈值选择满足条件的像素并指定为尿液坑,然后统计尿液坑像素的数量。结合IR图像中每个像素所代表的实际面积,计算得到尿液坑的实际面积AIR。IR图像中所覆盖的实际面积约为2.0m2,覆盖480×640=307200像素。
通过基于自适应阈值法选择校正后并且去除铝板区域的IR图像中的尿液坑的像素,校正后并且去除铝板区域的IR图像中的最大温度Tmax被认为是最大阈值thldmax,而最小阈值thldmin是基于校正后并且去除铝板区域的IR图像的平均背景温度Tbackground和阈值偏移项a。
其中,Tbackground表示校正后并且去除校正铝板区域的IR图像中的平均背景温度;Tcor,i表示校正后校正后并且去除校正铝板区域的IR图像中的地面角落i处(每个IR图像共有4个角落,设定角落的大小在IR图像中为10×10像素。角落区域10×10像素大小的范围内如果有校正铝板和尿液坑的存在,则适当减小该区域的大小为4×4,后面N的值随之变化)的温度,i=1,2,3,4;N表示角落的总像素数,N=4×10×10=400。
根据公式(4)计算thldmin,温度在thldmin和thldmax之间的像素被分类为尿液坑:
thldmin=Tbackground+a×σimg (4)
thldmin<Tr,c<thldmax (5)
其中,thldmin表示最小阈值;a表示控制阈值从Tbackground的偏移系数;Tr,c为校正后的IR图像中剔除校正铝板区域后的坐标(r,c)处的温度;thldmax为最大阈值。σimg表示校正后并且剔除铝板区域的IR图像中的所有像素点的温度值的标准差(Standard Deviation,SD)。简单来说,标准差是一组数据平均值分散程度的一种度量。一个较大的标准差,代表大部分数值和其平均值之间差异较大;一个较小的标准差,代表这些数值较接近平均值。
为了确定系数a,设定aj=j*0.01,j的取值在0-300之间,aj的值在0.00-3.00之间,每次递增0.01。那么根据公式3、公式4和公式5以及IR图像中每像素所代表的实际面积等进行计算。计算每个尿液坑(采用aj计算所得)的AIR值和该尿液坑对应的AGT值的相对差(RD),如公式6所示,计算得到80个尿液坑的共计80个RDj,计算这80个RDj的平均值RDj,ave。aj共有301个取值,每个取值都对应的计算得到一个平均值RDj,ave,则可以得到301个平均值RDj,ave。当RDj,ave最小时,a的值就是最佳的控制阈值从Tbackground的偏移系数。
偏移系数a的确定方法为:(Ⅰ)aj的取值在0.00-3.00之间,aj依次递增0.01,j=0,1,2,…,300;(Ⅱ)将aj的值带入公式4中,对第l个尿液坑的校正后并且去除铝板区域的IR图像进行阈值处理,统计IR图像中尿液坑的像素数,像素数乘以IR图像中单个像素的面积为第l个尿液坑的尿液坑面积AIRjl,则相对差(Ⅲ)80个尿液坑的相对差的平均值为(Ⅳ)循环第(Ⅰ)-(Ⅲ)步,得到301个相对差RDj,ave,(Ⅴ)比较301个相对差RDj,ave的大小,相对差RDj,ave最小时的aj值为偏移系数a。最后计算得到当j=76,即a为0.76时,相对差RD最小,RD<=0.01,SD=0.15。
图5显示了尿液坑3和尿液坑27为实心地板、尿液坑39为板条地板和尿液坑64为开槽地板的三种类型地板上的尿液坑的IR图像、相应的直方图和根据本发明所提出的自适应阈值算法计算得到的二值化图像。
图像直方图由于其计算代价较小,且具有图像平移、旋转、缩放不变性等众多优点,广泛地应用于图像处理的各个领域。IR图像中红绿蓝三色的平均值为灰度:Gray=(R+G+B)/3,从而得到灰度图像,灰度图像中每个像素的值的范围为0~255;对该灰度图像从上到下,从左到右扫描每个像素的值,统计灰度值为0~255之间的每个值的像素的数量,以横坐标为0~255,纵坐标为灰度图像中具有值分别为0,1,2…255的像素的总数,完成直方图的绘制。
首先,图5(a)中的大部分像素为蓝色(由于发明专利中要求不能使用彩色图像,此时已由黑色代替),代表较低的背景温度Tbackground。这个较低的温度由相关直方图左侧的高峰表示(参见图5(b),y轴以对数刻度为单位)。该直方图右侧的峰值和IR图像中的红色(浅色,偏白色)代表了比背景温度Tbackground温度更高的尿液坑像素。对于第3个尿液坑,Tbackground为15.8℃,图像的标准差SD为3.9℃。对于尿液坑27,Tbackground为21.1℃,σimg为1.1℃。图5(c)和5(f)显示了二值化的图像,其中白色像素代表“尿液坑”。
如图5(g)和5(j)所示,可以观察到板条地板和开槽地板的铺设结构,地板的板条(尿液坑39)或开槽(尿液坑64)清晰可见。如图5(h)和5(k)所示,相关的直方图显示了与实心地板上的尿液坑3相当的温度范围(图5(b))。然而,左侧和右侧的峰值较平滑,温度值变化较小。另一方面,峰值仍然清晰可见。对于尿液坑39,Tbackground为13.1℃,σimg为7.9℃。对于尿液坑64,Tbackground为12.4℃,σimg为6.7℃。图5(i)和5(l)显示了相应的二值化图像。
在尿液坑边缘观察到温度梯度,这在IR图像和相关直方图中是可见的。尿液坑的中心是温度最高的位置,从尿液坑的中心朝着边缘温度逐渐减小。在研究中设定尿液坑的边缘是尿液坑中深度最薄的部分。
步骤六:建立80个尿液坑的AIR和AGT的散点图,通过线性回归分析得到AIR和AGT的关系模型:AGT=1.0257×AIR。
假定AGT和AIR相等,并用散点图检查,建立识别线y=x。根据公式(7)进行多元线性回归分析。使用假设qk=0(k=0,1,2)测试模型的各个系数。用假设q1=1测试识别线y=x的偏差。
yr=q0+q1×x11+q2×x22+e (7)
其中,yr表示独立变量AGT;x11表示独立变量AIR;x22表示独立变量Tbackground;q0、q1、q2表示模型的系数;e表示误差。
表2显示了多元线性回归分析结果,相关系数R2为0.95。系数q0和q2在统计上与0无显着差异。系数q1在统计学上显着不同于0,这表示AIR和AGT之间具有很强的线性关系。通过再次执行线性回归,舍去q0和q2这两个系数,剩下的线性项q1为1.0257,接近于1。R2为0.95,均方根误差RMSE为0.0332。随后的模型yr=1.0257×x11,F检验(英国统计学家Fisher提出的,主要通过比较两组数据的方差,以确定他们的精密度是否有显著性差异)得到的F值为8000.9,P值<0.001。
P值(P value)就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率。如果P值很小,说明原假设情况的发生的概率很小。如果出现了,根据小概率原理,就有理由拒绝原假设,P值越小,拒绝原假设的理由越充分。总之,P值越小,表明结果越显著。根据IR图像测得的尿液坑实际面积AIR略低于根据彩色图像测得的尿液坑实际面积AGT,这由图6中的散点图可看出,图6还包括线性回归线和95%置信区间。
表2多元线性回归模型的系数、系数取值和P值
为了确定IR图像中最小阈值thldmin,当a为0.76时,AIR和AGT之间的一致性评估显示出良好的拟合。线性回归中对原始数据进行插值,每增加1m2,系统误差只有1.0257-1=0.0257m2的尿液坑面积的增加。因此,为了修正后续单独使用IR相机测量尿液坑面积AIR,可以使用回归模型(公式(8))修正。
AGT=1.0257×AIR (8)
在后续的尿液坑面积测量中,可只采用IR相机获取IR图像,将测得的尿液坑面积AIR乘以1.0257,以此作为最终的尿液坑面积。
从之前所述的NH3排放模型和敏感因素分析可以看出,确定奶牛养殖场NH3排放的主要因素之一是地板上的尿液面积。由于缺乏适当的测量方法及牛舍中具有其它物品干扰,奶牛养殖场地面尿液面积的数据很少。在奶牛养殖场的初步研究中,安装了一台IR相机和CCD相机以区分尿液与其它干扰背景,以确定尿液面积。本发明目的是采用IR相机高精度的测量尿液区域的面积。在用于实验的奶牛养殖场,人工创建了80个洼坑,并且创建后的5秒内拍摄了每个尿液坑的IR图像和彩色图像。对于彩色图像,通过设定阈值提取尿液区域并计算尿液坑的实际面积AGT。对于IR图像,基于平均背景温度和图像中所有温度值的标准偏差开发了自适应阈值算法,能够自动确定每个IR图像中的尿液坑,并计算实际面积AIR。评估了两种方法之间的相关性,此外,AIR不受平均背景温度的影响。在商业化奶牛养殖场中使用本发明方法的前景广阔。本发明已经成功测试了安装在手推车上的IR相机的在牛舍中的使用情况。地板上的校正铝板被用于校正IR图像和彩色图像。尿液坑创建后的5秒内及时获取IR图像和彩色图像,实现尿液冷却之前的图像采集工作。在本发明中,尿液坑的形成和图像采集之间的时间间隔在1-5s,这个时间并不影响测得的尿液坑的面积。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种奶牛养殖场地面尿液面积的仿真测量方法,其特征在于,其步骤如下:
步骤一:搭建设置有CCD相机和IR相机的采集平台,CCD相机的镜头位于IR相机的镜头的上方,CCD相机的视野包含IR相机的视野;
步骤二:在地面上人工创建80个、由30℃的蓝色温水填充的尿液坑,尿液坑附近放置校正铝板,保证尿液坑和校正铝板位于CCD相机和IR相机的视场中心,针对同一个尿液坑,采集平台分别利用CCD相机获取每个尿液坑的彩色图像、利用IR相机获取每个尿液坑的IR图像;从而实现80个尿液坑的彩色图像和IR图像的采集;
步骤三:利用校正铝板对同一个尿液坑的彩色图像和IR图像分别进行校正,利用三次内插法对彩色图像和IR图像进行灰度插值,并计算彩色图像和IR图像中单个像素所分别代表的实际面积;
校正铝板的外部轮廓的长宽为1.0m×0.6m、内部轮廓的长宽为0.8m×0.4m;
根据如下公式对IR图像中8个角点在图像坐标系的坐标与对应的现实世界坐标系中的坐标的转换关系进行计算:
其中,R、C分别是图像坐标系中的坐标,u、v分别表示现实世界坐标的横坐标和纵坐标,m0、m1、m2、m3、m4、m5、n0、n1、n2、n3、n4、n5表示转换系数;将校正铝板的外部轮廓的角点a1、a2、a3和a4与校正铝板的内部轮廓的角点a5、a6、a7和a8在图像坐标系的坐标和现实世界坐标系中的坐标代入公式(1),求解出转换系数m0、m1、m2、m3、m4、m5、n0、n1、n2、n3、n4、n5;将IR图像中的图像坐标系中所有的表示像素位置的坐标代入公式(1),解出公式中每一个图像坐标所对应的现实世界坐标系的坐标;
步骤四:根据RGB颜色空间对校正后的彩色图像设定阈值,通过阈值将尿液坑从彩色图像中分割出来,计算尿液坑的像素数,像素数乘以彩色图像的单个像素所代表的实际面积即为尿液坑的实际面积AGT;
步骤五:对校正后的IR图像通过温度阈值去除图像中的铝板区域,然后进行自适应阈值处理:thldmin<Tr,c<thldmax得到二值化图像,统计二值化图像中尿液坑的像素数,像素数乘以IR图像中单个像素所代表的实际面积即为尿液坑面积AIR;其中,Tr,c为坐标校正后的IR图像的坐标(r,c)处的温度,最大阈值thldmax为坐标校正后的IR图像中去除校正铝板区域后图像中的最大温度值,thldmin为坐标校正后的IR图像中去除校正铝板区域后图像中的最小阈值;
步骤六:建立80个尿液坑通过IR图像测量得到的尿液的实际坑面积AIR和通过彩色图像测量得到的尿液坑的实际面积AGT的散点图,通过线性回归得到AIR和AGT的关系模型:AGT=1.0257×AIR;以单独采用IR相机获取IR图像,然后进行处理得到的尿液坑的实际面积乘以1.0257,作为尿液坑的最终面积。
2.根据权利要求1所述的奶牛养殖场地面尿液面积的仿真测量方法,其特征在于,所述尿液坑的形状为模拟奶牛刚排出到地面的尿液的形状;根据RGB颜色空间设定彩色图像的阈值,当像素同时满足红色分量R<60,绿色分量G<60,蓝色分量B>180,则该像素为尿液区域,通过该分割阈值将尿液坑从彩色图像中分割出来,计算尿液坑的像素数,像素数乘以彩色图像的单个像素所代表的实际面积即为尿液坑实际面积AGT。
3.根据权利要求1所述的奶牛养殖场地面尿液面积的仿真测量方法,其特征在于,所述校正铝板在使用前加热到60℃,在彩色图像中对校正铝板的识别采用阈值分割法,当彩色图像中的像素同时满足R>190、G>190和B>190,则该像素为校正铝板区域;在IR图像中对校正铝板的识别采用温度阈值法,当IR图像中的像素点表示的温度高于45℃时,则该像素为校正铝板区域。
4.根据权利要求1所述的奶牛养殖场地面尿液面积的仿真测量方法,其特征在于,所述最小阈值thldmin是基于校正后的IR图像中去除校正铝板区域后的平均背景温度Tbackground和阈值偏移项a建立的:thldmin=Tbackground+a×σimg;其中,Tbackground表示IR图像中的表示地面角落且不存在水坑的区域的温度,且Tcor,i表示角落i处的温度,i=1,2,3,4;角落的大小为10×10像素,N表示角落的总像素数,N=4×10×10=400;a表示控制阈值从Tbackground的偏移系数,σimg表示校正后并且去除铝板区域的IR图像的像素所代表的温度值的标准差。
5.根据权利要求4所述的奶牛养殖场地面尿液面积的仿真测量方法,其特征在于,所述偏移系数a的确定方法为:(Ⅰ)aj的取值在0.00-3.00之间,aj依次递增0.01,j=0,1,2,…,300;(Ⅱ)将aj的值带入最小阈值thldmin公式中,对包含第l个尿液坑的校正后并且去除铝板区域的IR图像进行阈值处理得到二值化图像,统计二值化图像中表示尿液坑的像素数,像素数乘以IR图像中单个像素所代表的实际面积即为第l个尿液坑的面积AIRjl,则相对差l=1,2,…,80;(Ⅲ)80个尿液坑的相对差的平均值为(Ⅳ)循环第(Ⅰ)-(Ⅲ)步,得到301个相对差RDj,ave,(Ⅴ)比较301个相对差RDj,ave的大小,相对差RDj,ave最小时的aj值为偏移系数a。
6.根据权利要求1所述的奶牛养殖场地面尿液面积的仿真测量方法,其特征在于,所述采集平台为一种奶牛养殖场地面尿液面积的仿真测量装置,包括CCD相机(1)、IR相机(2)、手推车(3)和用于校正的校正铝板(5),手推车(3)下部设有可转动的滑轮,CCD相机(1)和IR相机(2)通过支撑板固定在手推车(3)的支架的上部,CCD相机(1)的镜头位于IR相机(2)的镜头的上方;所述校正铝板(5)设置在IR相机(2)的视图区域(6)中、且位于待检测的尿液坑的附近,确保尿液坑和校正铝板位于相机的视场中心或接近中心位置。
7.根据权利要求6所述的奶牛养殖场地面尿液面积的仿真测量方法,其特征在于,所述IR相机(2)的透镜的焦距f=35mm、视场角为24°×18°,获取的红外图像为640×480像素,IR图像获取的温度值保留小数点后1位;所述IR相机(2)距离地面的高度为2.1米、与垂直立面的夹角为45度;所述CCD相机(1)获取2048×1536像素的彩色图像。
8.根据权利要求6所述的奶牛养殖场地面尿液面积的仿真测量方法,其特征在于,所述校正铝板(5)外部轮廓的长宽为1.0m×0.6m,内部轮廓的长宽为0.8m×0.4m。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710825206.1A CN107578408B (zh) | 2017-09-14 | 2017-09-14 | 一种奶牛养殖场地面尿液面积的仿真测量装置与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710825206.1A CN107578408B (zh) | 2017-09-14 | 2017-09-14 | 一种奶牛养殖场地面尿液面积的仿真测量装置与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107578408A CN107578408A (zh) | 2018-01-12 |
CN107578408B true CN107578408B (zh) | 2018-08-17 |
Family
ID=61036500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710825206.1A Active CN107578408B (zh) | 2017-09-14 | 2017-09-14 | 一种奶牛养殖场地面尿液面积的仿真测量装置与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107578408B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108362699B (zh) * | 2018-02-13 | 2020-12-08 | 仲恺农业工程学院 | 一种薯类去皮率的测定方法 |
CN110009645B (zh) * | 2019-04-11 | 2023-06-23 | 东北大学 | 一种肝癌病灶影像的双层轮廓分割方法 |
CN110793448A (zh) * | 2019-09-15 | 2020-02-14 | 同济大学 | 基于视觉的大型建筑构件的测量系统 |
CN110487222B (zh) * | 2019-09-29 | 2020-12-22 | 河南科技大学第一附属医院 | 一种用于测量体外暴露血液量的测量仪 |
CN111790011A (zh) * | 2020-07-28 | 2020-10-20 | 曾洁 | 应用尿量检测的吸力调节平台及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105678793B (zh) * | 2016-02-26 | 2019-01-15 | 浙江大学 | 一种基于图像融合的猕猴桃溃疡病的早期诊断方法及装置 |
-
2017
- 2017-09-14 CN CN201710825206.1A patent/CN107578408B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107578408A (zh) | 2018-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107578408B (zh) | 一种奶牛养殖场地面尿液面积的仿真测量装置与方法 | |
Weber et al. | Estimation of backfat thickness using extracted traits from an automatic 3D optical system in lactating Holstein-Friesian cows | |
CN111696139B (zh) | 基于rgb图像的白羽种鸡群体体重估测系统和方法 | |
CN107844797A (zh) | 一种基于深度图像的哺乳母猪姿态自动识别的方法 | |
CN109269645A (zh) | 一种基于无人机可见光和热红外遥感的大田玉米冠层温度提取方法 | |
Xu et al. | Automatic scoring of postures in grouped pigs using depth image and CNN-SVM | |
CN107610122B (zh) | 一种基于Micro-CT的单籽粒谷物内部虫害检测方法 | |
CN110530477A (zh) | 后备母猪体重预估方法 | |
CN111587069A (zh) | 用于监控家畜动物的食物摄取的方法及设备 | |
Lu et al. | An automatic splitting method for the adhesive piglets’ gray scale image based on the ellipse shape feature | |
CN108776106A (zh) | 一种基于无人机低空遥感的作物长势监测方法及系统 | |
CN211746249U (zh) | 一种笼内鸡只识别装置 | |
Lootens et al. | High-throughput phenotyping of lateral expansion and regrowth of spaced Lolium perenne plants using on-field image analysis | |
CN109191461A (zh) | 一种基于机器视觉技术的土鸡蛋识别方法及识别装置 | |
CN204255483U (zh) | 一种鸡的现场计数称重系统 | |
CN116912025A (zh) | 基于云边协同的畜牧养殖信息综合管理方法及系统 | |
CN114898405A (zh) | 基于边缘计算的便携式肉鸡异常监测系统 | |
CN110136192A (zh) | 一种基于深度学习和特征部位检测的牛体尺算法 | |
CN112907546B (zh) | 肉牛体尺非接触测量装置及方法 | |
Gao et al. | Maize seedling information extraction from UAV images based on semi-automatic sample generation and Mask R-CNN model | |
CN114155377A (zh) | 基于人工智能和生长周期分析的禽类自适应喂食方法 | |
CN113706512A (zh) | 一种基于深度学习和深度相机的生猪体重测量方法 | |
CN114515663B (zh) | 一种菌菇喷淋控制方法、装置及系统 | |
CN205608801U (zh) | 奶牛体况自动评分装置 | |
CN115914560A (zh) | 一种母猪智能精准饲喂方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |