CN108986054A - 一种基于互联网的动物繁殖监测控制系统 - Google Patents

Abstract

本发明数据处理技术领域，公开了一种基于互联网的动物繁殖监测控制系统，包括：环境传感单元，用于采集周围环境信息；影像采集单元；用于获取动物繁殖中整个过程的图像；显示模块，用于显示影像采集单元的图像；模糊度评价模块，与显示模块连接，获取影像采集单元传输的图像，并计算滤波前后图像统计信息比值；模糊度调整模块，与模糊度评价模块相连，用于调整原图像模糊度得出最终图像和图像模糊度评价指标等。本发明提供的图像评价方法，保证了动物繁殖整个过程的图像清晰的呈现；实现了图像模糊度评价的内容无关性和实时性，可以快速准确评价比较任何图像之间的模糊度。

Description

一种基于互联网的动物繁殖监测控制系统

技术领域

本发明属于数据处理技术领域，尤其涉及一种基于互联网的动物繁殖监测控制系统。

背景技术

现有技术中，一种猪繁殖与呼吸综合征病毒RT-PCR检测的方法,以及该方法在检测猪繁殖与呼吸综合征病毒中的应用。适于猪繁殖与呼吸综合征美洲型毒株和欧洲型毒株的快速检测,为猪繁殖与呼吸综合征病毒疫情的监测、防控提供强有力的技术支持,有很好的应用前；

传统的动物检测方法主要包括病毒的分离与鉴定、免疫过氧化物酶单层试验(IPMA)、间接免疫荧光试验(IFA)、间接酶联免疫吸附试验(间接ELISA)和反转录-聚合酶链反应试验(RT-PCR)等。

综上所述，现有技术存在的问题是：目前较为广泛使用的用来检测的方法为RT-PCR，但多数方法在敏感性、特异性等方面存在不足，获得的数据不准确；不能为动物繁殖中提供完整的研究材料依据。

发明内容

为解决现有技术存在的问题，本发明的目的在于提供一种基于互联网的动物繁殖监测控制系统。

本发明是这样实现的，一种基于互联网的动物繁殖监测控制系统，包括：

环境传感单元，用于采集周围环境信息；

影像采集单元；用于获取动物繁殖中整个过程的图像；

显示模块，用于显示影像采集单元的图像；

模糊度评价模块，与显示模块连接，获取影像采集单元传输的图像，并计算滤波前后图像统计信息比值；

模糊度调整模块，与模糊度评价模块相连，用于调整原图像模糊度得出最终图像和图像模糊度评价指标；

利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法为：

步骤一，图像获取，通过地质影像采集器获取待评价的地质层图像；

步骤二，图像灰度化，为方便图像的边缘提取，利用数字图像处理中RGB图像的R、G、B各个通道的像素值与灰度图像像素值的转换关系将彩色图像转化为灰度图像，公式如下：

Gray＝R*0.3+G*0.59+B*0.11；

步骤三，图像边缘提取，利用数字图像处理方法中的Roberts算子边缘检测技术作用于灰度图像获取图像的边缘，不同的检测算子具有不同的边缘检测模板，根据具体模板计算交叉像素的差分作为当前像素值，使用模板如下：

E(i,j)＝|F(i,j)-F(i+1,j+1)|+|F(i+1,j)-F(i,j+1)|；

步骤四，图像处理，利用高通/低通滤波器对灰度图像进行滤波处理以构造待评价图像的参考图像，采用3*3均值滤波器，利用滤波模板遍历图像每个像素，每次将模板中心置于当前像素，以模板内所有像素的平均值作为当前像素新值，模板如下：

步骤五，图像边缘统计信息计算，分别计算图像滤波前后各自边缘灰度信息，滤波处理前的待评价图像F统计信息为sum_orig,滤波处理后的参考图像F2统计信息为sum_filter,具体计算公式如下：

其中，w1与w2是根据离中心像素的距离设定的权值，w1＝1，w2＝1/3；

步骤六，图像模糊度指标计算，将步骤五得出的图像滤波前后边缘灰度统计信息的比值作为模糊度指标，为方便评价，取较大的为分母，较小的为分子，保持该值介于(0,1)之间；

步骤七，根据最佳视觉效果的DMOS范围得出对应的一个模糊度指标范围[min,max],具体为：

得出模糊度调整范围，利用上述步骤中的模糊度评价方法评价LIVE2中的174幅高斯模糊图像，计算出它们各自的模糊度评价值，然后利用拟合工具plot(value,DMOS)建立评价值value与DMOS之间的映射关系，根据最佳视觉效果对应的DMOS范围得出对应的一个模糊评价值范围[min，max]；

步骤八，图像模糊度调整，若图像模糊度指标小于min，根据步骤六，判定图像滤波前后变化很大，原图像过于锐化，则利用低通滤波器进行滤波调整；若大于max，判定图像滤波前后变化很小，原图像过于模糊，则利用高通滤波器进行滤波调整，以达到更佳视觉效果；

步骤九，得出最终图像和该图像模糊度评价指标，并通过显示模块显示。

进一步，滤波器处理图像不是单一方式处理整幅评价图像，而是鉴于图像的边界和中心像素由于位置的不同导致滤波器对其处理方式的不同，根据滤波器模板大小相应地忽略边界像素后再利用滤波器处理图像，然后对于边界像素采取原始像素填充的方法进行处理。

进一步，所述环境传感单元包括若干个传感器、处理器、通信模块和输出控制设备，所述的传感器包括温度传感器、湿度传感器；

所述的温度传感器和湿度传感器安装在动物繁殖的各房间内，各传感器的信号输出端与处理器的信号输入端相连；所述的处理器的控制信号输出端与输出控制设备的控制信号输入端相连；输出控制设备包括开关、空调和加湿器；所述的开关、空调和加湿器分别对电器的开关、温度和湿度进行控制；

处理器的通信信号端通过通信模块与对应动物繁殖的各房间层网关的信号输入端相连，各网关通过网络与管理中心服务器连接；所述的管理中心服务器输出各动物繁殖的房间的联网信息。

进一步，所述的输出控制设备包括密码分析器、信息存储器；所述的密码分析器设置在输出控制设备的内部上端，所述的信息存储器连接在密码分析器的一侧。

进一步，所述基于互联网的动物繁殖监测控制系统还包括：智能视频分析模块、射频模块，所述的影像采集单元采集到的图像建立图像显著模型传送至智能视频分析模块，智能视频分析模块将处理后的数据信号发送至所述的射频模块；所述射频模块通过网络传输给显示模块。

进一步，所述建立图像的显著性模型包括：

利用预定过分割算法对所述图像进行过分割，得到至少一个区域，同一个所述区域中各个像素点的颜色值相同；

确定每个所述区域的颜色值和质心；

根据各个区域所对应的颜色值以及各个区域的质心，建立所述显著性模型；

所述显著性模型为：

其中，S_i1为区域R_i中任一像素点的显著性值，w(R_j)为区域R_j中的像素点的个数，D_S(R_i,R_j)用于表征所述区域R_i和所述区域R_j之间空间位置差异的度量值，D_C(R_i,R_j)用于表征所述区域R_i和所述区域R_j之间颜色差异的度量值，N为对所述图像进行过分割后得到的区域的总个数，D_S(R_i,R_j)为：Center(R_i)为所述区域R_i的质心，Center(R_j)为所述区域R_j的质心，当所述图像中各个像素点的坐标均归一化到[0,1]时；

或按照各个像素点的颜色值，对所述图像中各个像素点进行归类，将相同颜色值的像素点归类为同一种颜色类型；

根据每种颜色类型的颜色值，建立所述显著性模型。

本发明提供的图像评价方法，保证了动物繁殖整个过程的图像清晰的呈现；本发明的图像评价不同于传统的评价方法，本发明建立在待评价图像自身结构特点基础上，从相对评价的角度出发，利用滤波器构造待评价图像的参考图像，计算变化前后图像边缘统计信息的比值作为评价指标；本发明的原理简单，实现了图像模糊度评价的内容无关性和实时性，可以快速准确评价比较任何图像之间的模糊度。

设置的密码分析器和信息存储器，增强了信息保存和查找功能。

本发明建立的图像的显著性模型可真实反映图像的数据。

附图说明

图1是本发明实施例提供的基于互联网的动物繁殖监测控制系统示意图。

图中：1、环境传感单元；2、影像采集单元；3、显示模块；4、模糊度评价模块；5、模糊度调整模块；6、智能视频分析模块；7、射频模块。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面结合附图对本发明的应用原理作详细描述。

如图1所示，本发明实施例提供的基于互联网的动物繁殖监测控制系统，包括：

环境传感单元1，用于采集周围环境信息；

影像采集单元2；用于获取动物繁殖中整个过程的图像；

显示模块3，用于显示影像采集单元的图像；

模糊度评价模块4，与显示模块连接，获取影像采集单元传输的图像，并计算滤波前后图像统计信息比值；

模糊度调整模块5，与模糊度评价模块相连，用于调整原图像模糊度得出最终图像和图像模糊度评价指标；

利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法为：

步骤一，图像获取，通过地质影像采集器获取待评价的地质层图像；

步骤二，图像灰度化，为方便图像的边缘提取，利用数字图像处理中RGB图像的R、G、B各个通道的像素值与灰度图像像素值的转换关系将彩色图像转化为灰度图像，公式如下：

Gray＝R*0.3+G*0.59+B*0.11；

步骤三，图像边缘提取，利用数字图像处理方法中的Roberts算子边缘检测技术作用于灰度图像获取图像的边缘，不同的检测算子具有不同的边缘检测模板，根据具体模板计算交叉像素的差分作为当前像素值，使用模板如下：

E(i,j)＝|F(i,j)-F(i+1,j+1)|+|F(i+1,j)-F(i,j+1)|；

步骤四，图像处理，利用高通/低通滤波器对灰度图像进行滤波处理以构造待评价图像的参考图像，采用3*3均值滤波器，利用滤波模板遍历图像每个像素，每次将模板中心置于当前像素，以模板内所有像素的平均值作为当前像素新值，模板如下：

步骤五，图像边缘统计信息计算，分别计算图像滤波前后各自边缘灰度信息，滤波处理前的待评价图像F统计信息为sum_orig,滤波处理后的参考图像F2统计信息为sum_filter,具体计算公式如下：

其中，w1与w2是根据离中心像素的距离设定的权值，w1＝1，w2＝1/3；

步骤六，图像模糊度指标计算，将步骤五得出的图像滤波前后边缘灰度统计信息的比值作为模糊度指标，为方便评价，取较大的为分母，较小的为分子，保持该值介于(0,1)之间；

步骤七，根据最佳视觉效果的DMOS范围得出对应的一个模糊度指标范围[min,max],具体为：

得出模糊度调整范围，利用上述步骤中的模糊度评价方法评价LIVE2中的174幅高斯模糊图像，计算出它们各自的模糊度评价值，然后利用拟合工具plot(value,DMOS)建立评价值value与DMOS之间的映射关系，根据最佳视觉效果对应的DMOS范围得出对应的一个模糊评价值范围[min，max]；

步骤八，图像模糊度调整，若图像模糊度指标小于min，根据步骤六，判定图像滤波前后变化很大，原图像过于锐化，则利用低通滤波器进行滤波调整；若大于max，判定图像滤波前后变化很小，原图像过于模糊，则利用高通滤波器进行滤波调整，以达到更佳视觉效果；

步骤九，得出最终图像和该图像模糊度评价指标，并通过显示模块显示。

滤波器处理图像不是单一方式处理整幅评价图像，而是鉴于图像的边界和中心像素由于位置的不同导致滤波器对其处理方式的不同，根据滤波器模板大小相应地忽略边界像素后再利用滤波器处理图像，然后对于边界像素采取原始像素填充的方法进行处理。

所述环境传感单元包括若干个传感器、处理器、通信模块和输出控制设备，所述的传感器包括温度传感器、湿度传感器；

所述的温度传感器和湿度传感器安装在动物繁殖的各房间内，各传感器的信号输出端与处理器的信号输入端相连；所述的处理器的控制信号输出端与输出控制设备的控制信号输入端相连；输出控制设备包括开关、空调和加湿器；所述的开关、空调和加湿器分别对电器的开关、温度和湿度进行控制；

处理器的通信信号端通过通信模块与对应动物繁殖的各房间层网关的信号输入端相连，各网关通过网络与管理中心服务器连接；所述的管理中心服务器输出各动物繁殖的房间的联网信息。

所述的输出控制设备包括密码分析器、信息存储器；所述的密码分析器设置在输出控制设备的内部上端，所述的信息存储器连接在密码分析器的一侧。

所述基于互联网的动物繁殖监测控制系统还包括：智能视频分析模块6、射频模块7，所述的影像采集单元采集到的图像建立图像显著模型传送至智能视频分析模块，智能视频分析模块将处理后的数据信号发送至所述的射频模块；所述射频模块通过网络传输给显示模块。

所述建立图像的显著性模型包括：

利用预定过分割算法对所述图像进行过分割，得到至少一个区域，同一个所述区域中各个像素点的颜色值相同；

确定每个所述区域的颜色值和质心；

根据各个区域所对应的颜色值以及各个区域的质心，建立所述显著性模型；

所述显著性模型为：

其中，S_i1为区域R_i中任一像素点的显著性值，w(R_j)为区域R_j中的像素点的个数，D_S(R_i,R_j)用于表征所述区域R_i和所述区域R_j之间空间位置差异的度量值，D_C(R_i,R_j)用于表征所述区域R_i和所述区域R_j之间颜色差异的度量值，N为对所述图像进行过分割后得到的区域的总个数，D_S(R_i,R_j)为：Center(R_i)为所述区域R_i的质心，Center(R_j)为所述区域R_j的质心，当所述图像中各个像素点的坐标均归一化到[0,1]时；

或按照各个像素点的颜色值，对所述图像中各个像素点进行归类，将相同颜色值的像素点归类为同一种颜色类型；

根据每种颜色类型的颜色值，建立所述显著性模型。

本发明提供的图像评价方法，保证了动物繁殖整个过程的图像清晰的呈现；本发明的图像评价不同于传统的评价方法，本发明建立在待评价图像自身结构特点基础上，从相对评价的角度出发，利用滤波器构造待评价图像的参考图像，计算变化前后图像边缘统计信息的比值作为评价指标；本发明的原理简单，实现了图像模糊度评价的内容无关性和实时性，可以快速准确评价比较任何图像之间的模糊度。

设置的密码分析器和信息存储器，增强了信息保存和查找功能。

本发明建立的图像的显著性模型可真实反映图像的数据。

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、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于互联网的动物繁殖监测控制系统，其特征在于，所述基于互联网的动物繁殖监测控制系统包括：

环境传感单元，用于采集周围环境信息；

影像采集单元；用于获取动物繁殖中整个过程的图像；

显示模块，用于显示影像采集单元的图像；

模糊度评价模块，与显示模块连接，获取影像采集单元传输的图像，并计算滤波前后图像统计信息比值；

模糊度调整模块，与模糊度评价模块相连，用于调整原图像模糊度得出最终图像和图像模糊度评价指标；

利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法为：

步骤一，图像获取，通过地质影像采集器获取待评价的地质层图像；

步骤二，图像灰度化，为方便图像的边缘提取，利用数字图像处理中RGB图像的R、G、B各个通道的像素值与灰度图像像素值的转换关系将彩色图像转化为灰度图像，公式如下：

Gray＝R*0.3+G*0.59+B*0.11；

步骤三，图像边缘提取，利用数字图像处理方法中的Roberts算子边缘检测技术作用于灰度图像获取图像的边缘，不同的检测算子具有不同的边缘检测模板，根据具体模板计算交叉像素的差分作为当前像素值，使用模板如下：

E(i,j)＝|F(i,j)-F(i+1,j+1)|+|F(i+1,j)-F(i,j+1)|；

步骤四，图像处理，利用高通/低通滤波器对灰度图像进行滤波处理以构造待评价图像的参考图像，采用3*3均值滤波器，利用滤波模板遍历图像每个像素，每次将模板中心置于当前像素，以模板内所有像素的平均值作为当前像素新值，模板如下：

步骤五，图像边缘统计信息计算，分别计算图像滤波前后各自边缘灰度信息，滤波处理前的待评价图像F统计信息为sum_orig,滤波处理后的参考图像F2统计信息为sum_filter,具体计算公式如下：

其中，w1与w2是根据离中心像素的距离设定的权值，w1＝1，w2＝1/3；

步骤六，图像模糊度指标计算，将步骤五得出的图像滤波前后边缘灰度统计信息的比值作为模糊度指标，为方便评价，取较大的为分母，较小的为分子，保持该值介于(0,1)之间；

步骤七，根据最佳视觉效果的DMOS范围得出对应的一个模糊度指标范围[min,max],具体为：

得出模糊度调整范围，利用上述步骤中的模糊度评价方法评价LIVE2中的174幅高斯模糊图像，计算出它们各自的模糊度评价值，然后利用拟合工具plot(value,DMOS)建立评价值value与DMOS之间的映射关系，根据最佳视觉效果对应的DMOS范围得出对应的一个模糊评价值范围[min，max]；

步骤八，图像模糊度调整，若图像模糊度指标小于min，根据步骤六，判定图像滤波前后变化很大，原图像过于锐化，则利用低通滤波器进行滤波调整；若大于max，判定图像滤波前后变化很小，原图像过于模糊，则利用高通滤波器进行滤波调整，以达到更佳视觉效果；

步骤九，得出最终图像和该图像模糊度评价指标，并通过显示模块显示。

2.如权利要求1所述的基于互联网的动物繁殖监测控制系统，其特征在于，滤波器处理图像不是单一方式处理整幅评价图像，而是鉴于图像的边界和中心像素由于位置的不同导致滤波器对其处理方式的不同，根据滤波器模板大小相应地忽略边界像素后再利用滤波器处理图像，然后对于边界像素采取原始像素填充的方法进行处理。

3.如权利要求1所述的基于互联网的动物繁殖监测控制系统，其特征在于，所述环境传感单元包括若干个传感器、处理器、通信模块和输出控制设备，所述的传感器包括温度传感器、湿度传感器；

所述的温度传感器和湿度传感器安装在动物繁殖的各房间内，各传感器的信号输出端与处理器的信号输入端相连；所述的处理器的控制信号输出端与输出控制设备的控制信号输入端相连；输出控制设备包括开关、空调和加湿器；所述的开关、空调和加湿器分别对电器的开关、温度和湿度进行控制；

处理器的通信信号端通过通信模块与对应动物繁殖的各房间层网关的信号输入端相连，各网关通过网络与管理中心服务器连接；所述的管理中心服务器输出各动物繁殖的房间的联网信息。

4.如权利要求1所述的基于互联网的动物繁殖监测控制系统，其特征在于，所述的输出控制设备包括密码分析器、信息存储器；所述的密码分析器设置在输出控制设备的内部上端，所述的信息存储器连接在密码分析器的一侧。

5.如权利要求1所述的基于互联网的动物繁殖监测控制系统，其特征在于，所述基于互联网的动物繁殖监测控制系统还包括：智能视频分析模块、射频模块，所述的影像采集单元采集到的图像建立图像显著模型传送至智能视频分析模块，智能视频分析模块将处理后的数据信号发送至所述的射频模块；所述射频模块通过网络传输给显示模块。

6.如权利要求5所述的基于互联网的动物繁殖监测控制系统，其特征在于，所述建立图像的显著性模型包括：

利用预定过分割算法对所述图像进行过分割，得到至少一个区域，同一个所述区域中各个像素点的颜色值相同；

确定每个所述区域的颜色值和质心；

根据各个区域所对应的颜色值以及各个区域的质心，建立所述显著性模型；

所述显著性模型为：

其中，S_i1为区域R_i中任一像素点的显著性值，w(R_j)为区域R_j中的像素点的个数，D_S(R_i,R_j)用于表征所述区域R_i和所述区域R_j之间空间位置差异的度量值，D_C(R_i,R_j)用于表征所述区域R_i和所述区域R_j之间颜色差异的度量值，N为对所述图像进行过分割后得到的区域的总个数，D_S(R_i,R_j)为：Center(R_i)为所述区域R_i的质心，Center(R_j)为所述区域R_j的质心，当所述图像中各个像素点的坐标均归一化到[0,1]时；

或按照各个像素点的颜色值，对所述图像中各个像素点进行归类，将相同颜色值的像素点归类为同一种颜色类型；

根据每种颜色类型的颜色值，建立所述显著性模型。