CN111696139B - 基于rgb图像的白羽种鸡群体体重估测系统和方法 - Google Patents
基于rgb图像的白羽种鸡群体体重估测系统和方法 Download PDFInfo
- Publication number
- CN111696139B CN111696139B CN202010484828.4A CN202010484828A CN111696139B CN 111696139 B CN111696139 B CN 111696139B CN 202010484828 A CN202010484828 A CN 202010484828A CN 111696139 B CN111696139 B CN 111696139B
- Authority
- CN
- China
- Prior art keywords
- weight
- chicken
- breeding
- breeder
- white feather
- 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
- 238000009395 breeding Methods 0.000 title claims abstract description 107
- 230000001488 breeding effect Effects 0.000 title claims abstract description 107
- 210000003746 feather Anatomy 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims description 16
- 241000287828 Gallus gallus Species 0.000 claims abstract description 94
- 235000013330 chicken meat Nutrition 0.000 claims abstract description 94
- 238000012545 processing Methods 0.000 claims abstract description 34
- 238000004891 communication Methods 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 15
- 238000012544 monitoring process Methods 0.000 claims description 14
- 230000033001 locomotion Effects 0.000 claims description 13
- 238000013528 artificial neural network Methods 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 11
- 238000007619 statistical method Methods 0.000 claims description 9
- 238000012417 linear regression Methods 0.000 claims description 8
- 230000037396 body weight Effects 0.000 claims description 5
- 238000013527 convolutional neural network Methods 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims description 2
- 230000005284 excitation Effects 0.000 claims description 2
- 230000004927 fusion Effects 0.000 claims description 2
- 230000001939 inductive effect Effects 0.000 claims description 2
- 210000002569 neuron Anatomy 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 230000003068 static effect Effects 0.000 claims description 2
- 238000012549 training Methods 0.000 claims description 2
- 238000012795 verification Methods 0.000 claims description 2
- 244000144992 flock Species 0.000 abstract description 6
- 238000009434 installation Methods 0.000 abstract description 3
- 244000144977 poultry Species 0.000 abstract description 3
- 235000013594 poultry meat Nutrition 0.000 abstract description 3
- 230000003993 interaction Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 16
- 238000000605 extraction Methods 0.000 description 10
- 230000002159 abnormal effect Effects 0.000 description 9
- 238000007726 management method Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000036541 health Effects 0.000 description 5
- 241001465754 Metazoa Species 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000005059 dormancy Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 208000007407 African swine fever Diseases 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 235000021050 feed intake Nutrition 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000003245 working effect Effects 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/254—Analysis of motion involving subtraction of images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
- H04N7/185—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source from a mobile camera, e.g. for remote control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10141—Special mode during image acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Signal Processing (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Geometry (AREA)
- Medical Informatics (AREA)
Abstract
本发明公开了一种基于RGB图像的白羽种鸡群体体重估测系统，其特征在于它包括：搭载摄像头的滑轨式可移动设备、无线通信模块、包含白羽种鸡个体体重估测模型的处理服务器、用于显示估测结果的客户端；摄像头设置在鸡圈顶部拍摄俯拍视频，将视频数据通过无线通信模块传输到处理服务器中，处理服务器进行种鸡的个数计算和体重估测，将估测结果由客户端进行展示。本发明以图像数据为基础，实现种鸡表型特征的无接触式获取。无接触式数据获取可以减少人与鸡群的互动，避免种鸡应激，提高家禽福利。采用网络摄像头，成本较低，安装便利，有利于养殖场推广使用。
Description
技术领域
本发明涉及图像处理技术、深度学习技术和无线网络通信技术，集数据采集、中间传输、模块化处理与图形界面显示为一体，具体时间一种基于RGB图像的白羽种鸡群体体重估测系统和方法。
背景技术
我国是鸡肉、鸡蛋消耗大国，且在非洲猪瘟等的影响下，对优质鸡肉、鸡蛋的需求量日益增加，并对种鸡这一优质鸡肉、鸡蛋的来源保证越发关注。动物体重是畜禽养殖所关注的主要生长指标之一，由于个体差异，动物个体质量无法直接反映其生长状态，但体重随时间的变化的趋势却体现了动物的健康情况。对种鸡体重的监测可以令饲养人员及时掌握种鸡健康状况，适时进行管理、饲养方案的更新。
中国专利CN201911009725公开了一种基于深度图像的鸡群体重监测系统，它包括深度图像获取模块、深度图像处理模块、云服务器和客户端显示模块，所述深度图像获取模块将图像信息通过通信模块传输给深度图像处理模块，深度图像处理模块与云服务器保持通信。基于深度图像获取模块中kinect实现深度图像的采集、深度图像处理模块实现群鸡体重的预估和监测，该监测系统可实时监测群鸡体重的变化情况，为大幅度提高产肉率、增强我国肉鸡产业竞争率提供了一种有效手段。
该方案直接应用于白羽种鸡存在以下问题：
1、深度图像对拍摄角度存在一定限制，可能造成误差；
2、针对白羽种鸡，RGB图像特征同样鲜明，相较而言，深度图像获取模块造价昂贵，成本高，普及率差。
发明内容
本发明针对背景技术中存在的问题，为在减少白羽种鸡应激的条件下提高种鸡测重的准确率，实时掌握种鸡的健康情况，本专利提出一种基于RGB图像的白羽种鸡体重估计系统，通过RGB相机实时获取种鸡群俯拍图像，利用深层卷积神经网络与图像处理技术在复杂环境中进行种鸡的个体定位与表型特征获取与传输；研究自适应体重估测模型，实现由种鸡表型特征估测体重的无接触式体重监测方案，并最终形成白羽种鸡体重分析平台，以快速、低成本、精确实现种鸡体重估测。为确保种鸡的无应激体重测量提供一种有效手段，为精准养殖的发展提供技术支撑。
技术方案：
本发明公开了一种基于RGB图像的白羽种鸡群体体重估测系统，它包括：搭载摄像头的滑轨式可移动设备、无线通信模块、包含白羽种鸡个体体重估测模型的处理服务器、用于显示估测结果的客户端；摄像头设置在鸡圈顶部拍摄俯拍视频，将视频数据通过无线通信模块传输到处理服务器中，处理服务器进行种鸡的个数计算和体重估测，将估测结果由客户端进行展示。
优选的，所述摄像头为网络摄像头，网络摄像头结合可移动设备、无线通信模块和电源管理模块构成系统的无线图像采集节点，可移动设备包含RFID地标传感器，实现网络摄像头的定位。
本发明还公开了一种基于RGB图像的白羽种鸡群体体重估测方法，基于所述的系统，它包括以下步骤：
S1、获取视频数据，部分作为数据集，部分作为测试集；
S2、白羽种鸡表征特征提取；
S3、白羽种鸡体重模型的建立；
S4、白羽种鸡体重的估测。
优选的，S2具体包括：
S2-1、可用帧选取：
(i)通过前后帧运动检测判断运动量：选取连续的三帧图像，计算相邻两帧运动量的差值的绝对值：
d(i,i-1)(x,y)＝|Ii(x,y)-Ii-1(x,y)|
d(i+1,i)(x,y)＝|Ii+1(x,y)-Ii(x,y)|
其中(x,y)为图像中指定像素点，Ii为第i帧的灰度图像，d(i,i-1)为第i帧与第i-1帧的差量；
(ii)设置阈值T，进行二值化处理：
(iii)当b(i,i-1)与b(i+1,i)的求和结果在阈值Q内时，判定静止，选取三帧中的中间帧i为可用帧；
S2-2、可用帧的种鸡个体定位，采用深度卷积神经网络进行种鸡个体定位：采用基于darknet框架的yolo v3算法，使用S1获得的数据集进行训练获得权重文件，使用S1获得的测试集进行效果验证，获得最终的定位模型进行种鸡个体定位；
S2-3、定位后种鸡图像的表型特征提取，获得种鸡背部投影面积、种鸡投影周长、目标对应的像素面积。
具体的，S2-3中，
鸡背部投影面积：S2-1中的二值化图像在S2-2中进行定位处理，针对每块感兴趣区域ROI进行形态学优化与椭圆拟合，获取背部投影面积；
种鸡投影周长：对S2-2后获得的每只鸡的边界点像素个数求和作为周长；
目标对应的像素面积：对S2-2后获得的每只鸡的像素点求和为对应像素面积。
优选的，S3白羽种鸡体重模型通过以下步骤建立：
S3-1、设置初始参数；
S3-2A、获得最小二乘线性回归模型，包括：
S3-2A-1、建立目标函数
式中，(xi,yi)为第i个观测点，p1与p2为拟合系数，f(p)为目标函数，要求越小越好；
S3-2A-2、以种鸡背部投影面积为因变量进行拟合处理，求取拟合系数p1与p2值；
S3-2B、获得BP神经网络，包括：
S3-2B-1、设置输入为种鸡投影周长、目标对应的像素面积和鸡背部投影面积，输出为单只鸡的体重，故输入层节点个数为3，输出层节点数为1；
S3-2B-2、根据公式确定隐层神经元数目l，其中n为输入层节点数，m为输出层节点数，a为[1,10]间的常数；
S3-2B-3、选用线性整流函数ReLU作为本模型的激励函数；
S3-3、使用带权重的最小二乘线性回归模型和BP神经网络共同对白羽种鸡进行体重预测：通过S1的测试集数据进行测试，调节各模型的权重将最小二乘线性回归模型和BP神经网络进行模型融合获得最终的白羽种鸡体重估测模型。
优选的，它还包括步骤S5、白羽种鸡体重的分析，包括：
-种鸡群体体重检测：根据S2确定获取图像中鸡只的数目与具体定位，根据S3获取鸡只个体的体重信息，从而实现群鸡体重检测，并根据统计分析方法进行群鸡体重分布结构分析；
-种鸡个体体重监测：选择个体所在ROI来测定该个体的体重，并根据平均体重判断图像中种鸡是否存在体重过重、或过轻的情况；
-种鸡情况监控：网络摄像头对鸡场数据进行获取与存储，通过开发的客户端界面，可随时供用户进行提取观看；
-种鸡生长分析：采用统计分析方法对上述获取的种鸡体重信息进行归纳分析，结合鸡场供料供水量来计算料肉比，并进行分析；使用卡尔曼滤波对现有数据进行预测，并结合连接数据库的专家系统比对当前生长趋势是否符合规律；
优选的，S5还包括-信息维护管理：针对用户体验的外加服务，包括对用户信息进行管理，实施系统测试的功能。
本发明的有益效果
(1)以图像数据为基础，实现种鸡表型特征的无接触式获取。无接触式数据获取可以减少人与鸡群的互动，避免种鸡应激，提高家禽福利。采用网络摄像头，成本较低，安装便利，有利于养殖场推广使用。
(2)滑轨式移动设备的使用。考虑到平养鸡场现有环境而提出，减少设备安装时的改造工作量，降低改装成本。通过控制系统与通过RFID传感器进行定位来精准到达各个拍摄点，实现鸡场内的巡航拍摄，能较为完整地覆盖鸡群范围。按预定时间开始巡航，到达终点时进入休眠，减少不必要的能耗。
(3)采用无线图像采集网络避免了传统布线带来的成本和稳定性上的不足，高度的鲁棒性能够保证本系统长期稳定工作。此外，无线图像网络具有高度的实时性，能够及时捕捉种鸡视频信息，为后续图像处理步骤提供足量数据，保证系统的工作效果。
(4)基于RGB图像的白羽种鸡个体体重估测模型的建立。该模型基于图像处理技术与深度学习的综合使用。模型安装于处理服务器中，通过图像处理技术与深度卷积神经网络实现种鸡的定位与表型特征(背部投影面积、投影周长、对应像素面积)提取，并通过拟合模型与BP神经网络进行种鸡个体表型特征与体重的映射，能够快速、准确地获取种鸡个体体重，减少人工工作量，减轻人的主观判断，提高工作效率。
(5)白羽种鸡体重分析平台提供了数据网络发布功能，获取由处理服务器中白羽种鸡个体体重估测模型得到的种鸡体重数据，及视频、图像数据，并通过图形化界面向客户进行展示，客户可按个人需求以不同形式浏览数据内容，及时掌握种鸡体重信息与生长趋势及健康状况。
附图说明
图1为本发明的系统结构示意图
图2为无线图像采集节点的结构图
图3为可移动设备组成示意图
图4为图2节点工作流程图
图5为表型特征提取流程图
图6为深层卷积神经网络工作框图
图7为运动检测流程图
图8为投影面积提取流程图
图9为白羽种鸡个体体重估测模型流程图
图10为白羽种鸡体重分析系统组成示意图
图11为种鸡群体体重检测系统结构示意图
图12为种鸡个体体重监测系统结构示意图
图13为种鸡情况监控系统结构示意图
图14为种鸡生长分析系统结构示意图
图15为信息维护管理系统结构示意图
具体实施方式
下面结合实施例对本发明作进一步说明，但本发明的保护范围不限于此：
本专利“基于RGB图像的白羽种鸡群体体重估测系统”以对种鸡群体进行无接触式、快速、精准的体重估测为研究点，开发自动化图像采集、传输系统，并对采集图像进行自适应处理，以此为基础研究白羽种鸡估测模型，并将估测结果以图形化界面反馈给客户，为确保种鸡的无应激体重测量提供一种有效手段。
基于RGB图像的白羽种鸡群体体重估测系统主要包括由搭载摄像头的滑轨式可移动设备和路由器组成的无线图像采集网络，包含图像预处理环节与种鸡个体表型特征提取的基于RGB图像的白羽种鸡个体体重估测模型，以及能够实时以图形化界面反馈种鸡群体体重信息的白羽种鸡群体体重估测平台。无线图像采集网路主要通过网络摄像头定时从鸡圈顶部拍摄俯拍视频，并通过路由器传输到处理服务器上。服务器先根据运动检测判断鸡群是否处于较好的拍摄场景，自动选择视频中较好的有效图像，并传递给下一步骤。白羽种鸡个体体重估测模型安装于处理服务器中，对于拍摄图像进行利用深度神经网络定位种鸡的个体位置，获取图像中种鸡数目，将设置兴趣域；对兴趣域进行种鸡表型特征(种鸡背部投影面积、周长)提取，通过该特征构建白羽种鸡个体体重估测模型，从而估算种鸡个体的体重。白羽种鸡体重分析平台将对模型处理后的数据进行展示，并根据客户需求以表格及图表等方式进行发布，客户可通过手机客户端与web界面进行查询。系统示意图如图1所示。
技术方案的具体实现分为以下几部分：
一、无线图像采集节点设计
无线图像采集节点是无线图像采集网络的基本组成单元，由网络摄像头、可移动设备、无线通信模块、电源管理模块组成，如图2所示。可移动设备以LPC1768为主控核心，包括电源模块、电机驱动模块和RFID地标传感器，组成示意图如图3所示。
为适应平养鸡场养殖环境，减少改造工作量，设置房顶滑轨式可移动图像采集节点对鸡群进行俯拍视频采集。每天在固定时间段进行视频采集，以固定距离为间隔进行拍摄，拍摄视频经过一定的路由发送给处理服务器，当视频数据发送成功后，节点将运动到下一拍摄点继续拍摄，直到到达终点，进入休眠。在休眠状态下，节点采用备用电源供电，最大限度的节省能耗，以使得节点能工作的更长时间。节点工作流程图如图4所示。
系统选用的硬件产品型号说明如下表：
二、白羽种鸡表型特征提取
白羽种鸡表型特征提取主要包括可用帧选取、种鸡个体定位、种鸡表型特征(背部投影面积、投影周长、对应像素面积)提取三个部分。主要流程如图5所示。
为避免种鸡运动时造成的模糊，以及啄羽、展翅时的形变影响，在进行表型特征提取前先应用三帧差分算法进行运动检测，获取图像中目标的运动量。在视频形成的图像序列中选取连续的三帧图像，并转化为灰度图像Ii-1(x,y)，Ii(x,y)，Ii+1(x,y)，分别计算相邻两帧的差值的绝对值：
d(i,i-1)(x,y)＝|Ii(x,y)-Ii-1(x,y)|
d(i+1,i)(x,y)＝|Ii+1(x,y)-Ii(x,y)|
其中(x,y)为图像中指定像素点，Ii为第i帧的灰度图像，d(i,i-1)为第i帧与第i-1帧的差量。
根据预设的阈值T，可以对得到的插值图像进行二值化处理。
本专利中运动检测仅用于判断图像中目标种鸡是否保持静止，以消除运动可能带来的干扰，故将矩阵b(i,i-1)与b(i+1,i)分别求和，再相加，判断种鸡是否在本段时间内保持静止。
确定适合进行特征提取的图像后，采用深度卷积神经网络进行种鸡个体定位，分别在三种不同的采样进行检测，识别出图中的种鸡个体并获得其边界框坐标。定位工作框图如图6所示。
考虑到鸡群在平养鸡场内的活动随意性，将未识别到种鸡个体，即图像中种鸡个体数目为0，视作异常情况，转至上一步骤，直到获取识别有种鸡个体的可用帧。如连续较长时间无法识别，则记作异常情况并记录，示意图如图7所示。
种鸡表型特征提取在本专利中使用的是种鸡背部面积投影和投影周长以及目标对应的像素面积。其中投影面积部分，为尽量好地避免现实鸡场复杂环境的干扰，与鸡头、鸡尾的不确定性(鸡头伸缩，鸡冠角度，鸡尾是否垂下)，对从上个步骤中获取的兴趣域进行形态学与几何学优化，图像处理部分主要包括：二值化处理、形态学优化处理与椭圆拟合三部分。具体流程如图8所示。
其中，椭圆拟合质心计算方法如下，通过像素级对应获取种鸡身体部位质心坐标。
其中(xi,yi)为点i坐标，mi为点i质量。目标内视作均匀分布，即每点质量相同，故公式可简化为
三、白羽种鸡体重估测模型
体重估测模型使用最小二乘线性回归模型和BP神经网络的混合模型。最小二乘线性回归模型是一种数学优化模型，通过最小化误差的平方和寻找数据的最佳函数匹配，该模型的优势是可以根据现有数据的对应关系简便地求解未知数据，以种鸡背部投影面积为因变量进行拟合处理，目标函数为：
式中(xi,yi)为第i个观测点，p1与p2为拟合系数，f(p)为目标函数，要求越小越好。令即求解：
BP神经网络的输入是种鸡的周长、椭圆拟合前像素面积和椭圆拟合后背部投影面积。两个模型按可自适应变化的权重进行模型融合，从而形成较为可靠的白羽种鸡个体体重估测模型。模型运行流程如图9所示。
四、白羽种鸡体重分析平台
白羽种鸡体重分析平台主要负责获取由处理服务器中白羽种鸡个体体重估测模型得到的种鸡体重数据，及视频、图像数据，并通过图形化界面向客户进行展示，客户可按个人需求以不同形式浏览数据内容，及时掌握种鸡体重信息与生长趋势及健康状况。
所获取、处理的数据均储存于处理服务器中，客户可以通过网页的形式浏览鸡场不同区域的种鸡体重分布情况，及群体体重、平均体重、日群体增量等数据，结合采食量与饮水量消耗也可获得料肉比等反应种鸡生长情况的信息，以及种鸡视频信息等。同时，客户也可通过登录手机客户端，获取与网页端等同的信息。
白羽种鸡体重分析平台主要由种鸡群体体重检测系统、种鸡个体体重监测系统、种鸡情况监控系统、种鸡生长分析系统、信息维护管理系统等子系统组成。系统组成示意图如图10所示。
种鸡群体体重检测系统主要包括了区域化群体体重估测、整鸡场群体体重估测、种鸡清点、种鸡平均体重、种鸡体重分布结构分析，可供客户分时间段了解种鸡群体体重信息。本专利中的区域化以拍摄点为中心进行编号。系统结构示意图如图11所示。
种鸡个体体重监测系统主要包括自助体重信息获取与异常体重检测两部分，自助体重信息获取包括保存帧种鸡个体体重信息获取和自定义种鸡个体体重信息获取，前者的数据基础是通过上述模型保存的，用以估测种鸡体重的图像集，后者则可供客户从保存视频中自行选择需要处理的图像，获取其中种鸡的体重估测信息。客户可通过自行选择来了解图像中种鸡个体的体重信息。异常体重检测则以群体平均体重为基础，通过预设阈值判断是否存在过轻、过重的种鸡，并将其体重、背部投影面积、周长、对应图像等信息进行记录。系统结构示意图如图12所示。
种鸡情况监控系统可供客户掌握种鸡情况，主要包括异常信息收集和视频回放两部分：异常信息收集包含异常发生时间和一日内检测到的异常次数，视频回放则可供客户按个人需求，选择不同时间段、不同区域的视频数据进行提取。系统结构示意图如图13所示。
种鸡生长分析系统主要包括体重统计分析、发展趋势分析、白羽种鸡日龄应达体重查询和对比分析。其中，体重统计分析包括区域化群体体重统计分析、整鸡场群体体重统计分析、整鸡场群体料肉比统计分析；发展趋势分析为三种数据的通过卡尔曼滤波预测得到的体重预测趋势；白羽种鸡日龄应达体重为联网更新的专家数据库，可按所处区域与种鸡品种进行查询；对比分析则可分别列出统计数据与预测数据的对比、统计数据与日龄应达体重的对比，可供客户及时、准确地掌握种鸡的生长趋势，转换饲养管理方式。系统结构示意图如图14所示。
信息维护管理系统则提供了用户账户管理、用户权限分配、数据选择与保存打印、紧急报修、系统测试的功能。系统结构示意图如图15所示。
本文中所描述的具体实施例仅仅是对本发明精神做举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (5)
1.一种基于RGB图像的白羽种鸡群体体重估测方法，基于一种基于RGB图像的白羽种鸡群体体重估测系统，系统包括：搭载摄像头的滑轨式可移动设备、无线通信模块、包含白羽种鸡个体体重估测模型的处理服务器、用于显示估测结果的客户端；摄像头设置在鸡圈顶部拍摄俯拍视频，将视频数据通过无线通信模块传输到处理服务器中，处理服务器进行种鸡的个数计算和体重估测，将估测结果由客户端进行展示；
其特征在于方法包括以下步骤：
S1、获取视频数据，部分作为数据集，部分作为测试集；
S2、白羽种鸡表征特征提取；
S2具体包括：
S2-1、可用帧选取：
(i)通过前后帧运动检测判断运动量：选取连续的三帧图像，计算相邻两帧运动量的差值的绝对值：
d(i,i-1)(x,y)＝|Ii(x,y)-Ii-1(x,y)|
d(i+1,i)(x,y)＝|Ii+1(x,y)-Ii(x,y)|
其中(x,y)为图像中指定像素点，Ii为第i帧的灰度图像，d(i,i-1)为第i帧与第i-1帧的差量；
(ii)设置阈值T，进行二值化处理：
(iii)当b(i,i-1)与b(i+1,i)的求和结果在阈值Q内时，判定静止，选取三帧中的中间帧i为可用帧；
S2-2、可用帧的种鸡个体定位，采用深度卷积神经网络进行种鸡个体定位：采用基于darknet框架的yolo v3算法，使用S1获得的数据集进行训练获得权重文件，使用S1获得的测试集进行效果验证，获得最终的定位模型进行种鸡个体定位；
S2-3、定位后种鸡图像的表型特征提取，获得种鸡背部投影面积、种鸡投影周长、目标对应的像素面积；
S3、白羽种鸡体重模型的建立；
S4、白羽种鸡体重的估测。
2.根据权利要求1所述的方法，其特征在于S2-3中，
鸡背部投影面积：S2-1中的二值化图像在S2-2中进行定位处理，针对每块感兴趣区域ROI进行形态学优化与椭圆拟合，获取背部投影面积；
种鸡投影周长：对S2-2后获得的每只鸡的边界点像素个数求和作为周长；
目标对应的像素面积：对S2-2后获得的每只鸡的像素点求和为对应像素面积。
3.根据权利要求1所述的方法，其特征在于S3白羽种鸡体重模型通过以下步骤建立：
S3-1、设置初始参数；
S3-2A、获得最小二乘线性回归模型，包括：
S3-2A-1、建立目标函数
式中，(xi,yi)为第i个观测点，p1与p2为拟合系数，f(p)为目标函数，要求越小越好；
S3-2A-2、以种鸡背部投影面积为因变量进行拟合处理，求取拟合系数p1与p2值；
S3-2B、获得BP神经网络，包括：
S3-2B-1、设置输入为种鸡投影周长、目标对应的像素面积和鸡背部投影面积，输出为单只鸡的体重，故输入层节点个数为3，输出层节点数为1；
S3-2B-2、根据公式确定隐层神经元数目l，其中n为输入层节点数，m为输出层节点数，a为[1,10]间的常数；
S3-2B-3、选用线性整流函数ReLU作为本模型的激励函数；
S3-3、使用带权重的最小二乘线性回归模型和BP神经网络共同对白羽种鸡进行体重预测：通过S1的测试集数据进行测试，调节各模型的权重将最小二乘线性回归模型和BP神经网络进行模型融合获得最终的白羽种鸡体重估测模型。
4.根据权利要求1所述的方法，其特征在于它还包括步骤S5、白羽种鸡体重的分析，包括：
-种鸡群体体重检测：根据S2确定获取图像中鸡只的数目与具体定位，根据S3获取鸡只个体的体重信息，从而实现群鸡体重检测，并根据统计分析方法进行群鸡体重分布结构分析；
-种鸡个体体重监测：选择个体所在ROI来测定该个体的体重，并根据平均体重判断图像中种鸡是否存在体重过重、或过轻的情况；
-种鸡情况监控：网络摄像头对鸡场数据进行获取与存储，通过开发的客户端界面，可随时供用户进行提取观看；
-种鸡生长分析：采用统计分析方法对上述获取的种鸡体重信息进行归纳分析，结合鸡场供料供水量来计算料肉比，并进行分析；使用卡尔曼滤波对现有数据进行预测，并结合连接数据库的专家系统比对当前生长趋势是否符合规律。
5.根据权利要求4所述的方法，其特征在于S5还包括-信息维护管理：针对用户体验的外加服务，包括对用户信息进行管理，实施系统测试的功能。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010484828.4A CN111696139B (zh) | 2020-06-01 | 2020-06-01 | 基于rgb图像的白羽种鸡群体体重估测系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010484828.4A CN111696139B (zh) | 2020-06-01 | 2020-06-01 | 基于rgb图像的白羽种鸡群体体重估测系统和方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111696139A CN111696139A (zh) | 2020-09-22 |
| CN111696139B true CN111696139B (zh) | 2024-02-02 |
Family
ID=72479095
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010484828.4A Active CN111696139B (zh) | 2020-06-01 | 2020-06-01 | 基于rgb图像的白羽种鸡群体体重估测系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111696139B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113288107B (zh) * | 2021-05-20 | 2023-09-01 | 中国农业大学 | 一种羊的应激与电导率可视化检测设备与方法 |
| CN113610796A (zh) * | 2021-08-02 | 2021-11-05 | 浙江省农业科学院 | 一种基于ai技术测定罗氏沼虾表型的方法 |
| CN113780073B (zh) * | 2021-08-03 | 2023-12-05 | 华南农业大学 | 一种辅助估测鸡群均匀度的装置与方法 |
| CN113554644B (zh) * | 2021-08-17 | 2022-08-09 | 湖南金烽信息科技有限公司 | 一种基于卷积神经网络的农产品身份识别及数量盘点系统 |
| CN115968813A (zh) * | 2021-10-15 | 2023-04-18 | 智逐科技股份有限公司 | 家禽健康监测系统及其方法 |
| CN114167922B (zh) * | 2021-11-22 | 2022-07-22 | 郑州宝诺电子科技有限公司 | 一种基于多传感器数据采集的农牧智能分析的方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH078128A (ja) * | 1993-06-25 | 1995-01-13 | Natl Fedelation Of Agricult Coop Assoc | 家畜・家禽飼養管理システム |
| CN106140648A (zh) * | 2016-08-19 | 2016-11-23 | 南京农业大学 | 一种基于机器视觉的鸡胴体重量自动分级系统及分级方法 |
| CN110728259A (zh) * | 2019-10-23 | 2020-01-24 | 南京农业大学 | 一种基于深度图像的鸡群体重监测系统 |
-
2020
- 2020-06-01 CN CN202010484828.4A patent/CN111696139B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH078128A (ja) * | 1993-06-25 | 1995-01-13 | Natl Fedelation Of Agricult Coop Assoc | 家畜・家禽飼養管理システム |
| CN106140648A (zh) * | 2016-08-19 | 2016-11-23 | 南京农业大学 | 一种基于机器视觉的鸡胴体重量自动分级系统及分级方法 |
| CN110728259A (zh) * | 2019-10-23 | 2020-01-24 | 南京农业大学 | 一种基于深度图像的鸡群体重监测系统 |
Non-Patent Citations (2)
| Title |
|---|
| 刘同海等."视频感知活猪体尺体重的智能检测技术示范".2015, * |
| 唐杨捷等."基于计算机视觉和GA-SVM的梭子蟹体重预测".《宁波大学学报（理工版）》.2019,第32卷(第32期),第32-37页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111696139A (zh) | 2020-09-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111696139B (zh) | 基于rgb图像的白羽种鸡群体体重估测系统和方法 | |
| CN108875647B (zh) | 一种基于牲畜身份的移动轨迹监测方法和系统 | |
| CN110728259B (zh) | 一种基于深度图像的鸡群体重监测系统 | |
| Yukun et al. | Automatic monitoring system for individual dairy cows based on a deep learning framework that provides identification via body parts and estimation of body condition score | |
| Shi et al. | An approach of pig weight estimation using binocular stereo system based on LabVIEW | |
| Weber et al. | Estimation of backfat thickness using extracted traits from an automatic 3D optical system in lactating Holstein-Friesian cows | |
| Mollah et al. | Digital image analysis to estimate the live weight of broiler | |
| CN108961269B (zh) | 基于图像的猪体重测算方法及系统 | |
| CN113223035B (zh) | 笼养鸡智能巡检系统 | |
| CN109060143B (zh) | 基于热红外技术的种猪体温监测系统及方法 | |
| CN109141248A (zh) | 基于图像的猪体重测算方法及系统 | |
| CN104008367A (zh) | 基于计算机视觉的育肥猪的自动行为分析系统及方法 | |
| CN109636779B (zh) | 识别家禽体积体尺的方法、装置及存储介质 | |
| CN111161214B (zh) | 一种基于双目视觉的猪只体重测量及饮水行为识别系统及方法 | |
| Li et al. | Estimation of pig weight by machine vision: A review | |
| CN115355948A (zh) | 一种母猪体尺、体重、背膘厚度检测方法 | |
| CN111680587B (zh) | 一种基于多目标跟踪的鸡群活动量实时估算方法及系统 | |
| CN109380146A (zh) | 生猪自动测量装置和方法 | |
| CN114898405B (zh) | 基于边缘计算的便携式肉鸡异常监测系统 | |
| CN112184791A (zh) | 一种基于cnn-lstm神经网络的牦牛体重预测方法 | |
| CN110287902B (zh) | 畜禽存活检测方法、装置、设备及计算机程序产品 | |
| Lassen et al. | Repeatabilities of individual measures of feed intake and body weight on in-house commercial dairy cattle using a 3-dimensional camera system | |
| Zheng et al. | Shank length and circumference measurement algorithm of breeder chickens based on extraction of regional key points | |
| CN115359050B (zh) | 家畜采食量异常检测方法及装置 | |
| CN116189076A (zh) | 一种鸟类观测站的观测识别系统及其方法 |
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 |