CN111096252A - 一种笼内鸡只识别装置及其识别方法 - Google Patents
一种笼内鸡只识别装置及其识别方法 Download PDFInfo
- Publication number
- CN111096252A CN111096252A CN202010001224.XA CN202010001224A CN111096252A CN 111096252 A CN111096252 A CN 111096252A CN 202010001224 A CN202010001224 A CN 202010001224A CN 111096252 A CN111096252 A CN 111096252A
- Authority
- CN
- China
- Prior art keywords
- chicken
- cage
- steering engine
- infrared
- chickens
- 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.)
- Pending
Links
- 241000287828 Gallus gallus Species 0.000 title claims abstract description 138
- 235000013330 chicken meat Nutrition 0.000 title claims abstract description 138
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012544 monitoring process Methods 0.000 claims abstract description 18
- 230000036541 health Effects 0.000 claims description 9
- 229910052751 metal Inorganic materials 0.000 claims description 4
- 239000002184 metal Substances 0.000 claims description 4
- 238000005057 refrigeration Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 description 15
- 230000008901 benefit Effects 0.000 description 10
- 238000001514 detection method Methods 0.000 description 9
- 238000001931 thermography Methods 0.000 description 9
- 238000009529 body temperature measurement Methods 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 244000144977 poultry Species 0.000 description 7
- 235000013594 poultry meat Nutrition 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- XHCLAFWTIXFWPH-UHFFFAOYSA-N [O-2].[O-2].[O-2].[O-2].[O-2].[V+5].[V+5] Chemical compound [O-2].[O-2].[O-2].[O-2].[O-2].[V+5].[V+5] XHCLAFWTIXFWPH-UHFFFAOYSA-N 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 229910001935 vanadium oxide Inorganic materials 0.000 description 3
- 206010011409 Cross infection Diseases 0.000 description 2
- 206010029803 Nosocomial infection Diseases 0.000 description 2
- 244000052616 bacterial pathogen Species 0.000 description 2
- 239000010866 blackwater Substances 0.000 description 2
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000006854 communication Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000003973 paint Substances 0.000 description 2
- 229910021420 polycrystalline silicon Inorganic materials 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006806 disease prevention Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003028 elevating effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 210000003746 feather Anatomy 0.000 description 1
- 235000021050 feed intake Nutrition 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004922 lacquer Substances 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 229920005591 polysilicon Polymers 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- LFULEKSKNZEWOE-UHFFFAOYSA-N propanil Chemical compound CCC(=O)NC1=CC=C(Cl)C(Cl)=C1 LFULEKSKNZEWOE-UHFFFAOYSA-N 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 230000008542 thermal sensitivity Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- A01K29/00—Other apparatus for animal husbandry
- A01K29/005—Monitoring or measuring activity, e.g. detecting heat or mating
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/10—Radiation pyrometry, e.g. infrared or optical thermometry using electric radiation detectors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/10—Radiation pyrometry, e.g. infrared or optical thermometry using electric radiation detectors
- G01J2005/106—Arrays
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Birds (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明涉及一种笼内鸡只识别装置及其识别方法。所述识别装置包括:红外成像仪、固定装置、旋转舵机、舵机平台、升降台、控制装置盒以及移动装置;单片机接收红外成像仪采集的红外热图像、控制旋转舵机旋转、控制升降台的升降以及控制移动装置移动;利用移动装置在笼内移动,根据笼内鸡只所在高度,通过升降台进行升降,并通过红外成像仪监测笼内每一层鸡只的生命状态,同时,还能够通过旋转舵机从而能够完全代替人工监测笼内鸡只的生命状态,采用本发明所提供的识别装置及方法能够提高识别效率以及监测精度。
Description
技术领域
本发明涉及鸡笼监测领域,特别是涉及一种笼内鸡只识别装置及其识别方法。
背景技术
如今随着集约化养殖场的设施配备技术的不断提高,规模化家禽养殖已普遍分布,规模化立体养殖的家禽数量大,不便于对家禽进行独立监控,不能及时发现家禽的死伤情况。据统计,在规模化鸡场养殖中,每天约有万分之一、二的鸡只死亡,且大多数鸡只隐藏笼内,位置分散,不易被发现。由于鸡只死亡后两小时,肌肉和血液开始繁殖病菌,五小时后,繁殖的病菌会成倍增长,很快腐烂变质,形成很大的疫病扩散隐患,对鸡场疾病防控和生产十分不利。
其次,鸡笼安排量越来越大,大部分养殖场都采取层叠式鸡笼,常出现八层乃至十层的现象。随着层数的增加,鸡笼高度远高于人身高度,常需要花费大量人力上下攀爬扶梯来进行鸡只检查,费时费力。对于鸡只的筛除,现有解决方案基本为人工定时进行地毯式巡检或者是根据鸡的采食量,且鸡只人工检测是一项琐碎而细致的工作,工人必须近距离对成千上万个鸡笼进行仔细检查,实时性差。
随着养殖规模的扩大和人工成本的增加,每天人工巡检增加了极大工作量和生产成本。目前,有关鸡只的巡检的相关研究及成果较少,仅有的基于CCD相机进行图像分析识别以及集蛋带接触式识别系统,由于原理复杂、造价昂贵、检测准确率低等原因而难以投入生产。
发明内容
本发明的目的是提供一种笼内鸡只识别装置及其识别方法,以解决人为识别鸡笼内鸡只状态的效率低,实时性差以及现有的鸡笼识别系统造价昂贵,检测准确率低的问题。
为实现上述目的,本发明提供了如下方案:
一种笼内鸡只识别装置,包括:红外成像仪、固定装置、旋转舵机、舵机平台、升降台、控制装置盒以及移动装置;
所述红外成像仪固定于所述固定装置上;所述固定装置由所述旋转舵机支撑,所述旋转舵机固定于所述舵机平台上,所述旋转舵机用于控制所述固定装置带动所述红外成像仪调整角度;所述红外成像仪用于采集笼内鸡只的红外热图像,确定所述笼内鸡只的生命状态;所述生命状态包括活鸡状态以及死鸡状态;
所述舵机平台固定于所述升降台上;所述升降台用于支撑所述舵机平台;所述升降台固定于所述控制装置盒上;所述控制装置盒内设有单片机;所述单片机分别与所述红外成像仪、所述旋转舵机、所述升降台以及所述移动装置相连接;所述单片机用于接收所述红外成像仪采集的红外热图像、控制所述旋转舵机旋转、控制所述升降台的升降以及控制所述移动装置移动。
可选的,所述单片机调用应用程序接口API,接收所述红外成像仪的红外热图像。
可选的,还包括:蛋鸡健康监测平台;所述蛋鸡健康监测平台与所述单片机相连接;所述蛋鸡健康监测平台用于远程监测笼内鸡只的生命状态。
可选的,所述单片机的型号为STC89C52-35I-PDIP40。
可选的,根据权利要求1所述的笼内鸡只识别装置,其特征在于,所述旋转舵机为大扭力数字舵机;所述大扭力数字舵机的外壳为金属外壳。
可选的,所述红外成像仪为红外温度传感器;所述红外温度传感器的型号为菲力尔E6手持热成像仪的焦平面阵列、非制冷型微测辐射热计探测器。
可选的,还包括:报警器;所述报警器与所述单片机相连接;当识别出所述笼内鸡只的生命状态为死鸡状态时,所述报警器发出警报。
一种笼内鸡只识别方法,包括:
获取历史鸡只数据;所述历史鸡只数据包括历史鸡只红外热图像以及所述历史鸡只红外热图像所对应的历史鸡只类别;
根据所述历史鸡只数据建立鸡只数据库;
获取笼内待测鸡只的当前红外热图像;
根据所述当前红外热图像以及所述鸡只数据库确定所述待测鸡只的生命状态;所述生命状态包括活鸡状态以及死鸡状态。
可选的,所述根据所述当前红外热图像以及所述鸡只数据库确定所述待测鸡只的生命状态之后,还包括:将所述待测鸡只的生命状态发送至蛋鸡健康监测平台。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明提供了一种笼内鸡只识别装置及其识别方法,利用移动装置在笼内移动,根据笼内鸡只所在高度,通过升降台进行升降,并通过红外成像仪监测笼内每一层鸡只的生命状态,同时,还能够通过旋转舵机从而能够完全代替人工监测笼内鸡只的生命状态,从而提高效率以及监测精度。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所提供的笼内鸡只识别装置结构图;
图2为本发明所提供的巡检装备软件体系结构图;
图3为本发明所提供的红外热成像图;
图4为本发明所提供的笼内鸡只识别方法流程图。
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做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。
本发明的目的是提供一种笼内鸡只识别装置及其识别方法,能够提高识别效率以及监测精度。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明所提供的笼内鸡只识别装置结构图,如图1所示,一种笼内鸡只识别装置,包括:红外成像仪1、固定装置2、旋转舵机3、舵机平台4、升降台5、控制装置盒6以及移动装置7;所述红外成像仪1固定于所述固定装置2上;所述固定装置2由所述旋转舵机3支撑,所述旋转舵机3固定于所述舵机平台4上,所述旋转舵机3用于控制所述固定装置2带动所述红外成像仪1调整角度;所述红外成像仪1用于采集笼内鸡只的红外热图像,确定所述笼内鸡只的生命状态;所述生命状态包括活鸡状态以及死鸡状态;
所述舵机平台4固定于所述升降台5上;所述升降台5用于支撑所述舵机平台4;所述升降台5固定于所述控制装置盒6上;所述控制装置盒6内设有单片机;所述单片机分别与所述红外成像仪1、所述旋转舵机3、所述升降台5以及所述移动装置7相连接;所述单片机用于接收所述红外成像仪1采集的红外热图像、控制所述旋转舵机3旋转、控制所述升降台5的升降以及控制所述移动装置7移动。
热像仪选型与标定:
1.像素的选择
首先要确定购买红外热像仪的像素级别,大多红外热像仪的级别和像素有关。民用红外热像仪中相对高端的产品像素为640*480=307,200,此高端红外热像仪拍摄的红外图片清晰细腻,在12米处测量的最小尺寸是0.5*0.5cm。中端红外热像仪的像素为320*240=76,800,在12米处测量的最小尺寸是1*1cm;低端红外热像仪的像素为160*120=19,200,在12米处测量的最小尺寸是2*2cm。可见像素越高所能拍摄目标的最小尺寸越小,我们选择的是320*240
2.测温范围和被测物
根据被测物体的温度范围确定测温范围,来选择合适温度段的红外热像仪。目前市场上的红外热像仪大多会分成几个温度档,比如-40-120℃0-500℃,并不是温度档跨度越大越好,温度档的跨度小测温相对会更准确些。另外一般红外热像仪需要测量500℃以上的物体时,则需要配备相应的高温镜头。
3.温度分辨率
温度分辨率体现了一台红外热像仪的温度敏感性,温度分辨率越小红外热像仪对温度的变化感知越明显,选择时尽量选择此参数值小的产品。红外热像仪测试被测物的主要目的是通过温度差异找出温度故障点,测量单个点的温度值并没有太大意义,主要是通过温度差异来找相对的热点,起到预维护的作用。
4.空间分辨率
简单来说空间分辨率越小测温越准确,空间分辨率较小时,被测最小目标覆盖了红外热像仪的像素,测试的温度即被测目标的温度。如果空间分辨率较高,被测的最小目标不能完全覆盖红外热像仪的像素,测试目标就会受到其环境辐射的影响,测试温度是被测目标及其周围温度的平均温度,数值不够准确。
5.温度稳定性
红外热像仪的核心部件为红外探测器,目前主要有两种探测器氧化钒晶体和多晶硅探测器,氧化钒探测器主要的优势是测温视域MFOV(Measurement FieldofView)为1,温度测量是精确到1个像素点。AmorphousSilicon(多晶体硅)传感器,MFOV为9,即每点的温度是基于3×3=9个像素点平均而获得。氧化钒探测器的温度稳定性好、寿命长,温度漂移小。表1为本发明所提供的选择红外热像仪的参数对比表,如表1所示。
表1
红外热成像仪,可以以“面”的形式对目标整体实时成像,使操作者通过屏幕显示的图像色彩和热点追踪显示功能就能初步判断发热情况和故障部位,然后加以后续分析,从而高效率、高准确率地确认问题所在。
红外热像仪非常易于使用,热成像垂手可得,操作和直观的屏显指南,不需专业培训便可进行准确的测量,只需指向目标,对准焦仪器,红外热像仪就会自动调整温度范围来显示清晰鲜明的图像,表2为本发明所提供的红外成像仪1相关参数表,如表2所示。
表2
像素 | 320x240 |
热灵敏度 | <0.05℃ |
测温精度 | ±2℃或读数的±2% |
空间分辨率 | 320×240 |
测温范围 | -20℃至+250 |
旋转舵机3采用金属外壳包装的大扭力数字舵机,相对于传统模拟舵机,其控制精度高、线性度好、响应迅速,金属外壳散热能力强;且具有两自由度,可实现水平转动和垂直转动,使得检测更加灵活、方便,从而实现全方位检测。
图2为本发明所提供的巡检装备软件体系结构图,如图2所示,本发明可以实现红外图像的采集,存储控制以及分析,黑色水性漆智能循迹小车的运行控制及远程服务器的数据通讯等功能;采用模块化设计,装备系统软件主要包括红外图像采集控制模块,黑色水性漆循迹控制模块和远程交互管理控制模块。
红外图像的采集控制主要由上位机与红外热像仪的交互完成,上位机收到下位机控制器的反馈信息后,调用API接口服务,完成数据采集。红外图像数据的采集控制模式为手动与自动相结合模式。
自动为巡检装置按照系统预设巡检采集每个笼位点的蛋鸡红外图像;手动为工作人员操控处理器进行分析蛋鸡红外图像。采集的红外图像先进行本地存储,然后通过远程交互管理模块的定时任务程序将数据传输到远程服务器。
获取图片程序:
Getpicture.m
functionpic=Getpicture()
vid=videoinput('winvideo',2,'YUY2_320x240');
set(vid,'ReturnedColorSpace','rgb');
vidRes=get(vid,'VideoResolution');
width=vidRes(1);
height=vidRes(2);
nBands=get(vid,'NumberOfBands');
figure('NumberTitle','Off','ToolBar','None','MenuBar','None');
hImage=image(zeros(vidRes(2),vidRes(1),nBands));
frame=getsnapshot(vid);%获取视频的一帧
imshow(frame);%显示获取那一帧
pic=frame;
imwrite(frame,'temp.jpg');
end
核对数目程序:
Checknumber.m
Functionnum2=CheckNumber(img)
globalhandles
flag=0;
I=img;
figure;
imshow(I);
imgRoi=imcrop();
imgRoigray=rgb2gray(imgRoi);
%figure;
%imshow(imgRoi);
rgb2=rgb2hsv(imgRoi);
h=rgb2(:,:,1);
s=rgb2(:,:,2);
v=rgb2(:,:,3);
%figure;
%subplot(1,3,1);
%imshow(h);
%subplot(1,3,2);
%imshow(s);
%subplot(1,3,3);
%imshow(v);
%%s1=medfilt2(s,[1010]);%中值滤波
%h1=ones(10,10)/100;
%s1=imfilter(s,h1);%均值滤波
w=fspecial('gaussian',[10,10],3);
%replicate:图像大小通过赋值外边界的值来扩展
%symmetric图像大小通过沿自身的边界进行镜像映射扩展
%s1=imfilter(s,w,'replicate');
s1=s;
%figure;
%imshow(s1);
bw1=~im2bw(s1,0.64);
se=strel('disk',3);
imagex2=imdilate(bw1,se);
imagex2=imfill(imagex2,'holes');
imagex3=bwareaopen(imagex2,200);%去除面积小于10的连通域
%figure;
%imshow(imagex3);
%轮廓提取
contour=bwperim(imagex3);
%figure
%imshow(contour);
%title('轮廓');
[L,num]=bwlabel(imagex3);%bwlabel是用来标记二值图像中的连通区域
STATS=regionprops(L,'all');
B=bwboundaries(imagex3,'noholes');
axes(handles.axes1);
imshow(imgRoi);
holdon
fork=1:length(B)
boundary=B{k};
plot(boundary(:,2),boundary(:,1),w',LineWidth',2,'Color','g');
end%整个循环表示的是描边
fori=1:num
idx=STATS(i).PixelList;%计算各区域的面积
cent=STATS(i).Centroid;
[m1n1]=size(idx);
all=floor((sum(imgRoigray(idx)))/m1);
psa=0;
tempall=[];
forj=1:m1
tix=idx(j,:);
temp=imgRoigray(tix(2),tix(1));
tempall=[tempall;temp];
end
meanpx=floor(sum(tempall)/m1);
if(meanpx>130)
text(cent(1),cent(2),'1','color','b','Fontsize',15);
else
text(cent(1),cent(2),'0','color','b','Fontsize',15);
flag=1;
end
if(flag==1)
[y,Fs]=audioread('2981.wav');%%y是音频数据m*n的矩阵,Fs是采样率。
n是通道数。
x=y(:,1);
sound(x,Fs);%%播放
end
end
num2=num;
end
数据传输是指上位机与远程服务器的交互管理控制,二者使用方式主要包括指令交互和红外图像传输。红外图像数据的定时采集进行分析,将数据传输到远程服务器进行保存。远程服务器则由手动点击进行分析指令交互则是上位机通过监听服务器相应端口,接收服务器远程控制指令并实现信息反馈,通信过程中,远程服务器向上位机发送的控制指令信息类型如表3所示。
表3
红外热成像是应用热红外敏感元件对物体进行成像,反映物体表面的温度场,属于非接触性测量。任何高于绝对零度的物体都会辐射出电磁波,波长在2.0~1000μm的部分称为热红外线。随着温度变化,红外线的辐射强度也会随之变化。恒温动物的温度分布具有一定的稳定性和特征性,机体各部位温度不同,形成了不同的热场。
实施应用:图3为本发明所提供的红外热成像图,如图3所示,当鸡只生病或死亡时,鸡只血流量会相应发生变化,导致温度改变,表现为温度偏高或偏低。根据这一原理,应用红外热成像仪得到个体的体表热分布图形,将RGB彩色图像转换成灰度图像,分析前景的灰度值直方图,与活鸡阈值灰度数据比较,若出现低于阈值的数据点,立即标记,通过分析便能判断出病变部位和病变程度,也能检测出鸡只是否死亡。
技术优势:红外热成像测得的温度是以仪器收到的辐射能计算出来的,其测温精度受到被测表面的辐射率、测量距离、环境温湿度的影响,其中表面辐射率是对测量精度影响最大的因素。
相较于传统测温方式,红外热成像测温具有精度高、范围大、快速和高灵敏度的优点,其不会引起个体的应激反应;此外,对鸡只健康状况的监控,能够及早发现疫情信息,及早预防,减少损失;并将其和控制系统结合,可实现死鸡的自动化巡检,并做出鸡只信息的有效存储、远程传输。
计算机图像智能识别技术由于其识别精度高、处理速度快等优点,被广泛应用于智慧医疗、智慧农业等行业的智能化改造项目中。
通过矩阵实验室Matlab,建立死鸡和活鸡的两个分类,具体做法是:将待识别的图像作为一个样本库数据集合录入到计算机图像识别系统的样本数据库中,然后通过相关的智能识别算法对图像样本库进行相应的特征提取和分类,最后将具有相同属性的图像分在一个数据集合中,并将该数据集合设置相应的数据标签进行参数化表示,如果是死鸡,标签设置显示为0,活鸡,标签设置显示为1;以方便后续识别过程中快速获取相关的图像以及类型,分为死鸡和活鸡两类。
分析由热成像仪所得到的体表热分布图,利用色彩空间转换,二值化处理,形态学处理,轮廓分析,个数统计将检测到鸡只情况分别存储至不同的分类中,一旦检测到死鸡,将自动报警。
同时,还可以通过远程控制监测鸡舍情况,根据电脑显示画面及matlab分析结果记录死鸡情况及所在位置,等检测结束之后,鸡舍管理人员即可进入鸡舍进行抓取死鸡。可以大大提高巡检效率,有效降低禽类疾病传播概率以及人工巡检可能出现人鸡交叉感染概率。
图像分析程序:
图4为本发明所提供的笼内鸡只识别方法流程图,如图4所示,一种笼内鸡只识别方法,包括:
步骤401:获取历史鸡只数据;所述历史鸡只数据包括历史鸡只红外热图像以及所述历史鸡只红外热图像所对应的历史鸡只类别。
步骤402:根据所述历史鸡只数据建立鸡只数据库。
步骤403:获取笼内待测鸡只的当前红外热图像。
步骤404:根据所述当前红外热图像以及所述鸡只数据库确定所述待测鸡只的生命状态;所述生命状态包括活鸡状态以及死鸡状态。
现有蛋鸡养殖的高密度集约化,鸡舍对环境控制的精细化程度对蛋鸡生产性能的影响更加密切相关,本发明通过应用图像识别分析与热敏成像相结合,对鸡舍全方位监控,实时观测了解蛋鸡的行为特征,提高死鸡识别率,从而有效保障饲主的经济效益;对鸡舍环境以及设备进行监控,对蛋鸡的生产和产蛋率具有重要意义。监测设备操作简便、功能多样,自动化程度高,可实现实时的在线监测。
利用活鸡鸡头的温度明显高于活鸡其他羽毛覆盖区域温度以及死鸡温度的特性,通过采集鸡头温度的方式,来判断鸡只的生死状态,提出一种新的鸡只生死状态的检测方法,在规模化畜禽养殖中,实现自动化巡检,降低鸡只巡检的成本。
本发明对笼内死鸡进行精准的识别记录和位置显示,使人工地毯式巡检改善为定点精准巡检,可以大大提高巡检效率,有效降低禽类疾病传播概率以及人工巡检可能出现人鸡交叉感染概率。
通过升降台5自动升降,且采用黑色水性漆循迹方式,批量处理,安装方便,易于操作。
本发明为非接触式巡检,采用红外温度传感器检测,不产生额外声光,不会对鸡只产生干扰,本发明原理简单、造价低、准确度高,可应用于实际生产中。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种笼内鸡只识别装置及其识别方法,其特征在于,包括:红外成像仪、固定装置、旋转舵机、舵机平台、升降台、控制装置盒以及移动装置;
所述红外成像仪固定于所述固定装置上;所述固定装置由所述旋转舵机支撑,所述旋转舵机固定于所述舵机平台上,所述旋转舵机用于控制所述固定装置带动所述红外成像仪调整角度;所述红外成像仪用于采集笼内鸡只的红外热图像,确定所述笼内鸡只的生命状态;所述生命状态包括活鸡状态以及死鸡状态;
所述舵机平台固定于所述升降台上;所述升降台用于支撑所述舵机平台;所述升降台固定于所述控制装置盒上;所述控制装置盒内设有单片机;所述单片机分别与所述红外成像仪、所述旋转舵机、所述升降台以及所述移动装置相连接;所述单片机用于接收所述红外成像仪采集的红外热图像、控制所述旋转舵机旋转、控制所述升降台的升降以及控制所述移动装置移动。
2.根据权利要求1所述的笼内鸡只识别装置,其特征在于,所述单片机调用应用程序接口API,接收所述红外成像仪的红外热图像。
3.根据权利要求1所述的笼内鸡只识别装置,其特征在于,还包括:蛋鸡健康监测平台;所述蛋鸡健康监测平台与所述单片机相连接;所述蛋鸡健康监测平台用于远程监测笼内鸡只的生命状态。
4.根据权利要求2所述的笼内鸡只识别装置,其特征在于,所述单片机的型号为STC89C52-35I-PDIP40。
5.根据权利要求1所述的笼内鸡只识别装置,其特征在于,所述旋转舵机为大扭力数字舵机;所述大扭力数字舵机的外壳为金属外壳。
6.根据权利要求1所述的笼内鸡只识别装置,其特征在于,所述红外成像仪为红外温度传感器;所述红外温度传感器的型号为菲力尔E6手持热成像仪的焦平面阵列、非制冷型微测辐射热计探测器。
7.根据权利要求1所述的笼内鸡只识别装置,其特征在于,还包括:报警器;所述报警器与所述单片机相连接;当识别出所述笼内鸡只的生命状态为死鸡状态时,所述报警器发出警报。
8.一种笼内鸡只识别方法,其特征在于,包括:
获取历史鸡只数据;所述历史鸡只数据包括历史鸡只红外热图像以及所述历史鸡只红外热图像所对应的历史鸡只类别;
根据所述历史鸡只数据建立鸡只数据库;
获取笼内待测鸡只的当前红外热图像;
根据所述当前红外热图像以及所述鸡只数据库确定所述待测鸡只的生命状态;所述生命状态包括活鸡状态以及死鸡状态。
9.根据权利要求8所述的笼内鸡只识别方法,其特征在于,所述根据所述当前红外热图像以及所述鸡只数据库确定所述待测鸡只的生命状态之后,还包括:将所述待测鸡只的生命状态发送至蛋鸡健康监测平台。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010001224.XA CN111096252A (zh) | 2020-01-02 | 2020-01-02 | 一种笼内鸡只识别装置及其识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010001224.XA CN111096252A (zh) | 2020-01-02 | 2020-01-02 | 一种笼内鸡只识别装置及其识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111096252A true CN111096252A (zh) | 2020-05-05 |
Family
ID=70426954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010001224.XA Pending CN111096252A (zh) | 2020-01-02 | 2020-01-02 | 一种笼内鸡只识别装置及其识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111096252A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112931287A (zh) * | 2021-01-28 | 2021-06-11 | 河北农业大学 | 一种畜禽养殖巡检机器人 |
-
2020
- 2020-01-02 CN CN202010001224.XA patent/CN111096252A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112931287A (zh) * | 2021-01-28 | 2021-06-11 | 河北农业大学 | 一种畜禽养殖巡检机器人 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Guo et al. | Crop 3D—a LiDAR based platform for 3D high-throughput crop phenotyping | |
US10430533B2 (en) | Method for automatic behavioral phenotyping | |
Zhou et al. | Strawberry maturity classification from UAV and near-ground imaging using deep learning | |
US11564357B2 (en) | Capture of ground truthed labels of plant traits method and system | |
US10195008B2 (en) | System, device and method for observing piglet birth | |
CN104482860B (zh) | 鱼类形态参数自动测量装置和方法 | |
US20230129428A1 (en) | System for high performance, ai-based dairy herd management and disease detection | |
Cuthbertson et al. | Methodology for data processing and analysis techniques of infrared video thermography used to measure cattle temperature in real time | |
Costa et al. | Measuring pecan nut growth utilizing machine vision and deep learning for the better understanding of the fruit growth curve | |
US20190383730A1 (en) | Multispectral image analysis system | |
CN211746249U (zh) | 一种笼内鸡只识别装置 | |
CN114898405B (zh) | 基于边缘计算的便携式肉鸡异常监测系统 | |
Ma et al. | Cotton yield estimation based on vegetation indices and texture features derived from RGB image | |
Du et al. | Greenhouse-based vegetable high-throughput phenotyping platform and trait evaluation for large-scale lettuces | |
CN111797831A (zh) | 基于bim和人工智能的家禽进食并行异常检测方法 | |
Mosley et al. | Image-based sorghum head counting when you only look once | |
CA3093646C (en) | Method and system for extraction of statistical sample of moving objects | |
CN111096252A (zh) | 一种笼内鸡只识别装置及其识别方法 | |
CN117029673B (zh) | 一种基于人工智能实现的鱼类体表多尺寸测量方法 | |
Durai et al. | RETRACTED ARTICLE: Research on varietal classification and germination evaluation system for rice seed using hand-held devices | |
CN116189076A (zh) | 一种鸟类观测站的观测识别系统及其方法 | |
Syed et al. | Remote sensor networks for chilli crop disease prediction using thermal image processing techniques | |
da Silva et al. | Feasibility study of water stress detection in plants using a high-throughput low-cost system | |
Sadiq et al. | A review on the imaging approaches in agriculture with crop and soil sensing methodologies | |
Zang et al. | RETRACTED ARTICLE: The design and experiment of peanut high-throughput automatic seed testing system based on machine learning |
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 |