CN114004866A - 一种基于图像相似度差异的蚊虫识别系统与方法 - Google Patents
一种基于图像相似度差异的蚊虫识别系统与方法 Download PDFInfo
- Publication number
- CN114004866A CN114004866A CN202210000521.1A CN202210000521A CN114004866A CN 114004866 A CN114004866 A CN 114004866A CN 202210000521 A CN202210000521 A CN 202210000521A CN 114004866 A CN114004866 A CN 114004866A
- Authority
- CN
- China
- Prior art keywords
- image
- pictures
- value
- similarity
- pixel points
- 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.)
- Granted
Links
- 241000255925 Diptera Species 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 42
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 238000005259 measurement Methods 0.000 claims abstract description 11
- 238000012544 monitoring process Methods 0.000 claims abstract description 11
- 238000012216 screening Methods 0.000 claims abstract description 8
- 238000003707 image sharpening Methods 0.000 claims abstract description 6
- 241000282887 Suidae Species 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 13
- 230000009466 transformation Effects 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 7
- 238000010845 search algorithm Methods 0.000 claims description 7
- 229910002056 binary alloy Inorganic materials 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 230000001965 increasing effect Effects 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 230000006835 compression Effects 0.000 claims description 2
- 238000007906 compression Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 4
- 241000282898 Sus scrofa Species 0.000 description 26
- 238000009395 breeding Methods 0.000 description 11
- 230000001488 breeding effect Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 235000015277 pork Nutrition 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 206010006895 Cachexia Diseases 0.000 description 1
- 206010011409 Cross infection Diseases 0.000 description 1
- 206010053759 Growth retardation Diseases 0.000 description 1
- 206010029803 Nosocomial infection Diseases 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000036528 appetite Effects 0.000 description 1
- 235000019789 appetite Nutrition 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 208000026500 emaciation Diseases 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000012173 estrus Effects 0.000 description 1
- 231100000001 growth retardation Toxicity 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 244000045947 parasite Species 0.000 description 1
- 230000035946 sexual desire Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
-
- 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
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于图像相似度差异的蚊虫识别系统与方法，所述蚊虫识别系统包括图像采集模块、图像处理模块、相似度值计算模块和识别判断模块；所述图像采集模块用于利用固定摄像头连续采集多张包含猪圈内场景的图片；所述图像处理模块用于从待处理图片中筛选出图像焦距测量值大于100的图片，随后执行图像锐化处理、二值化处理和二次图像增强从而获得只显示蚊虫的图片；所述相似度值计算模块用于压缩图片后执行图片像素点对比从而获得图片间的相似度值；所述识别判断模块，用于执行相似度的差异值判定从而实现猪场内的蚊虫监控。本发明具有适配性好、结果精度高、部署成本低等优点。
Description
技术领域
本发明属于畜牧业人工智能检测领域，具体涉及一种基于图像相似度差异的蚊虫识别系统与方法。
背景技术
中国猪肉消费占肉类消费的比重约60%，我国养猪业产值约占畜牧业总产值三分之一，猪肉价格与消费物价水平关系密切，生猪养殖业在国民经济中一直占据着重要地位，做好生猪稳产保供工作事关国计民生。如今，随着乡村振兴战略的实施，生猪养殖业逐渐成为了中国农业与农村经济的重要组成部分，国家也在不断加大对科学养殖和现代化养殖的投入力度。
在生猪养殖过程中，环境在很大程度上影响着生猪的成长，蚊虫的聚集就是环境因素中重要的一部分。夏季，由于气温较高，蚊虫数量剧增，大量蚊虫的聚集将造成生猪食欲减退和休息欠佳，进一步导致其发育迟缓、消瘦，甚至会使得公猪性欲衰退和母猪发情推迟，各种机能全部下降，在严重危害生猪的成长和健康的同时造成生猪养殖业的损失。除此之外，蚊虫的叮咬还存在传播疾病的隐患，且该传播方式不易控制，甚至可能会威胁到人体的健康安全。
目前，国内尚无针对生猪养殖场地环境进行蚊虫识别的智能方法，传统的方法为人工判断。但这种方法效率较低，无法实现实时监测，人工巡视也易引发人畜交叉感染，不适应于大规模养殖的发展趋势。而且，现有的图像识别技术无法实现针对蚊虫这种微小物体的高效率识别，比如现在流行的神经网络等深度学习方法，在计算过程中不仅会消耗大量算力，而且识别精度较低，无法应用到实际场景。因此，生猪养殖业急需一种低成本、高性能、高精度、实时性的蚊虫识别方法来解决猪圈内的此项问题。
发明内容
本发明的目的在于提供一种基于图像相似度差异的蚊虫识别系统与方法，以生猪养殖业中猪圈内蚊虫识别为对象，突破性地采用图像处理、视觉识别、相似度对比、数据分析等方式研制了一种新型的以图像相似度差异为标准的高效率蚊虫识别方法与系统。该系统采用图像锐化、特征提取、再增强以及相似度对比等操作即可识别出有大量蚊虫活动时的情况，具有简单、高效、实用性强的特点。
本发明的第一个方面包括一种基于图像相似度差异的蚊虫识别系统，包括图像采集模块、图像处理模块、相似度值计算模块和识别判断模块；
图像采集模块用于利用固定摄像头连续采集多张包含猪圈内场景的图片作为待处理图片；其中，所述待处理图片的属性信息包括猪圈的序号和拍摄时间，所述固定摄像头对准猪圈确保采集的图片均包括猪只的图像；
所述图像处理模块用于从待处理图片中筛选出图片焦距测量值大于100的图片，采用opencv滤波器进行一次图像增强处理，使生猪身上的蚊虫特征更加清晰；随后对图片进行特征提取处理，将蚊虫区域的像素点灰度值修改为255，其他图像灰度值修改为0；再进行二次图像增强处理，将灰度值为255的封闭区域作为一个待增强区块，逐一统计图片上的所有待增强区块中的白色点的个数，利用广度优先搜索算法结合回溯算法对背景再过滤执行二次图像增强处理，获得只显示蚊虫的图片；
所述相似度值计算模块，用于采用区域插值算法对图像进行图片压缩，随后根据图像采集模块标记的拍摄时间次序每前后两张采用像素点比较的方式进行相似度对比，执行累加“异或”操作从而获得图片间的相似度值；
所述识别判断模块，用于根据用户预先设定一设定值判定相似度的差异值，当两至多张图片相似度差异大于设定值时，证明此时有大量蚊虫在运动导致图片间差异变大，随后启动报警程序，结束程序；否则判定无蚊虫，直接结束程序，从而实现猪场内的蚊虫监控。
其中，图像处理模块包括预处理单元、一次图像增强单元、特征提取单元和二次图像增强单元；
预处理单元，用于从采集到的待处理图片中筛选出图片焦距测量值大于100的图片，用于去除图像模糊的图片；
一次图像增强单元，采用opencv滤波器进行图像锐化处理，预先设定伽马因子值γ，采用伽马变换对图像像素值做幂次方变换，此时图像整体灰度值降低，并拉伸灰度级高的区域，压缩灰度级低的区域，从而增强图像细节变化；
特征提取单元，采用二值化方法对图片进行处理，将图片转成单通道灰度图像，获取每个像素点的灰度值，通过预先训练设定猪场内背景的二值化阈值，使灰度值低于或等于阈值的图像像素点的灰度值修改为255，高于阈值的其余图像的像素点灰度值修改为0；
二次图像增强单元，预先设定蚊虫面积，将组成图像的所有黑色像素点设置一个标记位为0，白色像素点设置一个标记位为1，从第一个像素点开始，按从左向右的顺序查找，当查找到白色点时，向上下左右四个方向查找与之相连的白色节点，直到遍历所有与之相连的白色节点，计算当前区块白色节点的总个数，若面积小于设定的蚊虫面积，判定为蚊虫图像，则将这一区块的白色点的标记为改为0，若大于设定的蚊虫面积，为误识别的其他物体图像，则将这一区块的白色点的标记改为0，并将这些点的灰度值改为0，然后继续按此方法继续查找下一块白色区块并计算面积进行判断修改，最终将所有像素点都遍历一遍，获得只显示蚊虫的图片。
所述相似度值计算模块包括图像缩小单元和相似度计算单元；
其中图像缩小单元，采用区域插值算法对图像进行缩小；
相似度计算单元，用于根据图像采集模块中标记的拍摄时间，将所有图片按拍摄时间次序每前后两张进行相似度对比，分别遍历对比的两张图片中的所有像素点，并记录这两张图片对应位置的每个像素点对应的灰度值，从而可得到两张图片对应位置的像素点的差异关系，对得到的差异值进行进制变换可得到两个二进制数组，对这两个二进制数组进行“异或”操作，统计结果中“1”出现的次数，该次数和即为图片间差异像素点的个数，除以图片总的像素点数目从而算出图片间相似度值。
本发明的第二个方面涉及一种基于图像相似度差异的蚊虫识别方法，包括：
步骤一：通过一个固定摄像头连续采集多张包含猪圈内场景的图片作为待处理图片，所述待处理图片的属性信息包括猪圈的序号和拍摄时间，为后续识别处理提供数据基础；其中，所述固定摄像头对准猪圈确保采集的图片均包括猪只的图像；
步骤二：对从步骤一采集的待处理图片做拉普拉斯变换得到焦距测量值，从中筛选出图像焦距测量值大于100的图片，用于去除图像模糊的图片，采用opencv滤波器进行一次图像增强处理，使生猪身上的蚊虫特征更加清晰；随后对图片进行特征提取处理，将蚊虫的像素点灰度值修改为255，其他图像像素点灰度值修改为0；再进行二次图像增强处理，在灰度值为255的封闭区域作为一个待增强区块，逐一统计图片上的所有待增强区块中的白色点的个数，利用广度优先搜索算法结合回溯算法对背景再过滤执行二次图像增强处理，获得只显示蚊虫的图片；
步骤三：采用区域插值算法对图像进行图片压缩，随后根据步骤一中标记的拍摄时间次序每前后两张采用像素点比较的方式进行相似度对比，执行累加“异或”操作从而获得图片间相似度值；
步骤四：用户预先设定一设定值用于判定相似度的差异值，当两至多张图片相似度差异大于所述设定值时，证明此时有大量蚊虫在运动导致图片间差异变大，随后启动报警程序，结束程序；否则判定无蚊虫，直接结束程序，从而实现猪场内的蚊虫监控。
进一步的，步骤二中的“一次图像增强处理”具体包括如下步骤：
采用opencv滤波器进行图像锐化处理，预先设定伽马因子值γ，采用伽马变换对图像像素值做幂次方变换，此时图像整体灰度值降低，并拉伸灰度级高的区域，压缩灰度级低的区域，从而增强图像细节变化。
进一步的，步骤二中的“对图片进行特征提取处理”具体包括如下步骤：
采用二值化方法对图片进行处理，将图片转成单通道灰度图像，获取每个像素点的灰度值，通过预先训练设定猪场内背景的二值化阈值，使灰度值低于或等于阈值的图像的灰度值修改为255，高于阈值的其余图像像素点的灰度值修改为0。
进一步的，步骤二中的“二次图像增强处理，将灰度值为255的封闭区域作为一个待增强区块，逐一统计图片上的所有待增强区块中的白色点的个数，利用广度优先搜索算法结合回溯算法对背景再过滤执行二次图像增强处理，获得只显示蚊虫的图片”具体包括如下步骤：
预先设定蚊虫面积，将组成图像的所有黑色像素点设置一个标记位为0，白色像素点设置一个标记位为1，从第一个像素点开始，按从左向右的顺序查找，当查找到白色点时，向上下左右四个方向查找与之相连的白色节点，直到遍历所有与之相连的白色节点，计算当前区块白色节点的总个数，若面积小于设定的蚊虫面积，判定为蚊虫图像，则将这一区块的白色点的标记为改为0，若大于设定的蚊虫面积，为误识别的其他物体图像，则将这一区块的白色点的标记改为0，并将这些点的灰度值改为0，然后继续按此方法继续查找下一块白色区块并计算面积进行判断修改，最终将所有像素点都遍历一遍，获得只显示蚊虫的图片。
进一步的，所述步骤三“根据步骤一中标记的拍摄时间次序每前后两张采用像素点比较的方式进行相似度对比，执行累加“异或”操作从而获得图片间相似度值”具体包括如下步骤：
根据步骤一中标记的拍摄时间，将所有图片按拍摄时间次序每前后两张进行相似度对比，分别遍历对比的两张图片中的所有像素点，并记录这两张图片对应位置的每个像素点对应的灰度值，从而可得到两张图片对应位置的像素点的差异关系，对得到的差异值进行进制变换可得到两个二进制数组，对这两个二进制数组进行“异或”操作，统计结果中“1”出现的次数，该次数和即为图片间差异像素点的个数，除以图片总的像素点数目可算出图片间相似度值。
与现有技术相比，本发明的技术方案所带来的有益效果是：
本发明以蚊虫的色彩阈值与猪圈场景环境的不同以及蚊虫飞行运动的轨迹为发明点，以视觉识别、图像处理、图像比对及数学分析等方法为基础，突破性的采用比对蚊虫飞行轨迹的方法来识别蚊虫，开辟了一种新型的蚊虫自动化识别新方法和新思路，以相似度差异为标准构建了集监测识别、显示图像、报警等功能为一体的蚊虫智能识别系统。
在实际应用中，该系统可以精准快速的识别出猪圈内生猪附近是否有聚集蚊虫，为猪只养殖提供实时精准的监测，帮助养殖户实现非接触的蚊虫监测，从而及时对猪舍进行驱虫，避免蚊虫过多导致各种疾病的传播蔓延，影响生猪的养殖健康。该方法及系统不仅有效降低了成本，节约了算力，大大提高了识别效率，而且具有适配性好、结果精度高、部署成本低、综合性强等优点，为现代化、科学化猪只养殖提供了保障，可以进一步推动养殖产业的发展，提高现代化、规模化猪场养殖的经济效益。
附图说明
图1示出本发明实施例的基于图像相似度差异的蚊虫识别系统的整体框图；
图2示出本发明实施例的基于图像相似度差异的蚊虫识别方法的流程图；
图3示出本发明实施例的步骤二的流程图；
图4示出本发明实施例的步骤S202的生成的伽马变换示意图；
图5示出本发明实施例的步骤三的流程图。
具体实施方式
为使本发明实施例的目的、技术方案、有益效果及显著进步更加清楚，下面结合本发明实例中所提供的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所有描述的这些实施例仅是本发明的部分实施例，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。
本发明工作时首先通过固定摄像机采集20张为一组的图片，将每组采集到的图片输入系统，经过图片处理后得到增强的单通道灰度图，然后进行相似度计算。基于相似度值利用数学统计分析的算法可得出是否有蚊虫的结果，实现了非人工、非接触、实时、智能的蚊虫识别与监测报警。
如图1和2所示，一种基于图像相似度差异的蚊虫识别方法，包括：
S1：通过一个固定摄像头连续高频采集20张包含猪圈内场景的图片作为待处理图片，其中连续采集的图片不必须是连续帧，只要能看出蚊虫飞行轨迹就可以；在采集的待处理图片的属性信息中标记猪圈的序号、拍摄时间等信息，为后续识别处理提供数据基础；其中，所述固定摄像头对准猪圈确保采集的图片均包括猪只的图像；
S2：如图2和图3所示，执行图像处理：
S201：图像预处理：由于猪场采集到的图片质量有差异，为使图片可用度更高，便于后续对图片特征参数进行分析，针对采集到的待处理图片，首先对图像进行拉普拉斯变换，以此数值衡量图像的模糊程度，进行图像筛选，判断图像焦距测量值是不是大于100，如果是，继续步骤S202，否则从图片组中删除当前图片，即去除图像明显模糊的图片，反馈给后台，从而结束程序；其中，所述图像焦距测量值即为图像经过拉普拉斯变换所得的方差值；
S202：一次图像增强处理：由于蚊虫体积较小，不易识别，因此需要对S201筛选出的图片进行图像增强处理，采用opencv滤波器通过锐化的方法对图像灰度跳变部分进行增强，具体实现方法为，预先设定伽马因子γ值为2，采用伽马变换对图像像素值做幂次方变换，使图像灰度值发生改变，此时图像整体灰度值降低，并拉伸灰度级高的区域，压缩灰度级低的区域，使原图像中灰度值小的部分与灰度值大的部分颜色差异变的更大，使图像特征更突出从而增强图像细节变化，使生猪身上的蚊虫特征更加清晰。
伽马变化灰度值公式为：
O(x,y)=I(x,y)γ
其中，O(x,y)为输出像素值、I(x,y)为输入像素值，γ是伽马因子，用于控制变换缩放程度；生成的伽马变换示意图如图4所示，图4中纵坐标为是经过伽马变换后的灰度输出值S，横坐标为灰度图像的输入值R。
S203：特征提取处理：采用二值化方法对图片进行处理，将图片转成单通道灰度图像，获取每个像素点的灰度值，通过预先训练在二值化阈值设为80时可以将蚊虫与背景区分开，使灰度值低于或等于80的图像（即蚊虫图像）的灰度值变为255，即变成白色，而灰度值高于80的其他图像像素点（即猪场内背景和猪只等其他图像）的灰度值变为0，即变成黑色，根据获得的灰度值范围对图片进行像素点灰度值改变，使蚊虫区块的像素点灰度值为255，呈现白色，其他背景灰度值为0，呈现黑色；遍历待处理的20张图片对每张图片进行特征的提取；
S204：二次图像增强处理：在经过上一步后，仍存在背景色与蚊虫接近的情况，即S203将图片转成单通道灰度图像时，存在背景色的灰度值范围在0-80区间的情况，如存在其他污渍、水痕等可能在S202步骤中被误认为蚊虫的点；为此本发明开创性地采用回溯算法递归求解对图像进行再过滤，在灰度值为255区域的点进行选优搜索，即设定灰度值为255的封闭区域作为一个待增强区块，逐一统计图片上的所有待增强区块中的白色点的个数，利用广度优先搜索算法结合回溯算法从而对背景再过滤执行二次图像增强处理，获得只显示蚊虫的图片。具体方式如下：当图片大小为640*640时，预先已知蚊虫的面积大小不会大于3600，将这个设定的蚊虫面积3600记作S0，算法具体实现方式为：将组成图像的所有黑色像素点设置一个标记位为0，白色像素点设置一个标记位为1，从第一个像素点开始，按从左向右的顺序查找，当查找到白色点时，向上下左右四个方向查找与之相连的白色节点，直到遍历所有与之相连的白色节点，计算当前区块白色节点的总个数（即当前白色区域的面积），若面积小于S0，（说明大小合理，为蚊虫图像）则将这一区块的白色点的标记为改为0，若大于S0（说明大小不合理，为误识别到的污渍、水痕等其他物体图像），则将这一区块的白色点的标记为改为0，并将这些点的灰度值改为0（变成黑色），然后继续按此方法继续查找下一块白色区块并计算面积进行判断修改，最终将所有像素点都遍历一遍，获得只显示蚊虫的图片，用于进行后续的相似度比对。
S3：如图5所示，计算相似度：
S301：图像缩小处理：采用像素区域关系重采样时图像抽取的首选方法——INTER_AREA进行图像缩小，即采用区域插值算法对图像进行16*16的缩小；
S302：相似度计算处理：根据步骤S1中标记的拍摄时间，将所有图片按拍摄时间次序每前后两张进行相似度对比，得到第1、2张图的相似度为S1，第2、3张图的相似度为S2，……至Sn。具体的比对方法为：分别遍历对比的两张图片中的所有像素点，并记录这两张图片对应位置的每个像素点对应的灰度值。从而可得到两张图片对应位置的像素点的差异关系，对得到的差异值进行进制变换可得到两个二进制数组，对这两个二进制数组进行“异或”操作，统计结果中“1”出现的次数，该次数和即为图片间差异像素点的个数，除以图片总的像素点数目可算出图片间相似度的精确百分比。
S4：经过每组多张图片相似度的计算可得到每组图片内各相邻图片之间的相似度值，用户预先设定一设定值用于判定相似度的差异值，当两至多张图片相似度差异大于设定值时，如第1、2张图的相似度为S1大于设定值、第2、3张图的相似度为S2大于设定值时，证明此时有大量蚊虫在运动导致图片间差异变大；随后启动报警程序，调用摄像头报警设备，发出警报，并在客户端显示猪场内蚊虫数量异常，结束程序；否则，即当相似度差异小于等于设定值时，判定无蚊虫，直接结束程序，从而实现猪场内的蚊虫监控。
可选的，在实际应用时，还可以在发出警报后在客户端显示猪场内蚊虫数量异常的警示之外，额外提供相似度差异大的两个相邻图片并显示在客户端。
以上实施例仅用以说明本发明的技术方案，而非是对其的限制，尽管参照前述各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，或者对其中部分或者全部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范围，本领域技术人员根据本说明书内容所做出的非本质改进和调整或者替换，均属本发明所要求保护的范围。
Claims (8)
1.一种基于图像相似度差异的蚊虫识别系统，其特征在于，包括图像采集模块、图像处理模块、相似度值计算模块和识别判断模块；
图像采集模块用于利用固定摄像头连续采集多张包含猪圈内场景的图片作为待处理图片；其中，所述待处理图片的属性信息包括猪圈的序号和拍摄时间，所述固定摄像头对准猪圈确保采集的图片均包括猪只的图像；
所述图像处理模块用于从待处理图片中筛选出图片焦距测量值大于100的图片，采用opencv滤波器进行一次图像增强处理，使生猪身上的蚊虫特征更加清晰；随后对图片进行特征提取处理，将蚊虫的像素点灰度值修改为255，其他图像像素点的灰度值修改为0；再进行二次图像增强处理，在灰度值为255的封闭区域作为一个待增强区块，逐一统计图片上的所有待增强区块中的白色点的个数，利用广度优先搜索算法结合回溯算法对背景再过滤执行二次图像增强处理，获得只显示蚊虫的图片；
所述相似度值计算模块，用于采用区域插值算法对图像进行图片压缩，随后根据所述图像采集模块标记的拍摄时间次序每前后两张采用像素点比较的方式进行相似度对比，执行累加“异或”操作从而获得图片间的相似度值；
所述识别判断模块，用于根据用户预先设定一设定值判定相似度的差异值，当两至多张图片相似度差异大于设定值时，证明此时有大量蚊虫在运动导致图片间差异变大，随后启动报警程序，结束程序；否则判定无蚊虫，直接结束程序，从而实现猪场内的蚊虫监控。
2.根据权利要求1所述的基于图像相似度差异的蚊虫识别系统，其特征在于，所述图像处理模块包括预处理单元、一次图像增强单元、特征提取单元和二次图像增强单元；
预处理单元，用于从采集到的待处理图片中筛选出图片焦距测量值大于100的图片，用于去除图像模糊的图片；
一次图像增强单元，采用opencv滤波器进行图像锐化处理，预先设定伽马因子值，采用伽马变换对图像像素值做幂次方变换，此时图像整体灰度值降低，并拉伸灰度级高的区域，压缩灰度级低的区域，从而增强图像细节变化；
特征提取单元，采用二值化方法对图片进行处理，将图片转成单通道灰度图像，获取每个像素点的灰度值，通过预先训练设定猪场内背景的二值化阈值，使灰度值低于或等于阈值的图像像素点的灰度值修改为255，高于阈值的其余图像像素点的灰度值修改为0；
二次图像增强单元，预先设定蚊虫面积，将组成图像的所有黑色像素点设置一个标记位为0，白色像素点设置一个标记位为1，从第一个像素点开始，按从左向右的顺序查找，当查找到白色点时，向上下左右四个方向查找与之相连的白色节点，直到遍历所有与之相连的白色节点，计算当前区块白色节点的总个数，若面积小于设定的蚊虫面积，判定为蚊虫图像，则将这一区块的白色点的标记为改为0，若大于设定的蚊虫面积，为误识别的其他物体图像，则将这一区块的白色点的标记改为0，并将这些点的灰度值改为0，然后继续按此方法继续查找下一块白色区块并计算面积进行判断修改，最终将所有像素点都遍历一遍，获得只显示蚊虫的图片。
3.根据权利要求1所述的基于图像相似度差异的蚊虫识别系统，其特征在于，所述相似度值计算模块包括图像缩小单元和相似度计算单元；
其中图像缩小单元，采用区域插值算法对图像进行缩小；
相似度计算单元，用于根据图像采集模块中标记的拍摄时间，将所有图片按拍摄时间次序每前后两张进行相似度对比，分别遍历对比的两张图片中的所有像素点，并记录这两张图片对应位置的每个像素点对应的灰度值；从而可得到两张图片对应位置的像素点的差异关系，对得到的差异值进行进制变换可得到两个二进制数组，对这两个二进制数组进行“异或”操作，统计结果中“1”出现的次数，该次数和即为图片间差异像素点的个数，除以图片总的像素点数目从而算出图片间相似度值。
4.一种基于图像相似度差异的蚊虫识别方法，其特征在于，包括：
步骤一：通过一个固定摄像头连续采集多张包含猪圈内场景的图片作为待处理图片，所述待处理图片的属性信息包括猪圈的序号和拍摄时间，为后续识别处理提供数据基础；其中，所述固定摄像头对准猪圈确保采集的图片均包括猪只的图像；
步骤二：对从步骤一采集的待处理图片做拉普拉斯变换得到焦距测量值，从中筛选出图像焦距测量值大于100的图片，用于去除图像模糊的图片，采用opencv滤波器进行一次图像增强处理，使生猪身上的蚊虫特征更加清晰；随后对图片进行特征提取处理，将蚊虫的像素点灰度值修改为255，其他图像像素点灰度值修改为0；再进行二次图像增强处理，在灰度值为255的封闭区域作为一个待增强区块，逐一统计图片上的所有待增强区块中的白色点的个数，利用广度优先搜索算法结合回溯算法对背景再过滤执行二次图像增强处理，获得只显示蚊虫的图片；
步骤三：采用区域插值算法对图像进行图片压缩，随后根据步骤一中标记的拍摄时间次序每前后两张采用像素点比较的方式进行相似度对比，执行累加“异或”操作从而获得图片间相似度值；
步骤四：用户预先设定一设定值用于判定相似度的差异值，当两至多张图片相似度差异大于所述设定值时，证明此时有大量蚊虫在运动导致图片间差异变大，随后启动报警程序，结束程序；否则判定无蚊虫，直接结束程序，从而实现猪场内的蚊虫监控。
5.根据权利要求4所述的基于图像相似度差异的蚊虫识别方法，其特征在于，步骤二中的“一次图像增强处理”具体包括如下步骤：
采用opencv滤波器进行图像锐化处理，预先设定伽马因子值，采用伽马变换对图像像素值做幂次方变换，此时图像整体灰度值降低，并拉伸灰度级高的区域，压缩灰度级低的区域，从而增强图像细节变化。
6.根据权利要求4所述的基于图像相似度差异的蚊虫识别方法，其特征在于，步骤二中的“对图片进行特征提取处理”具体包括如下步骤：
采用二值化方法对图片进行处理，将图片转成单通道灰度图像，获取每个像素点的灰度值，通过预先训练设定猪场内背景的二值化阈值，使灰度值低于或等于阈值的图像像素点的灰度值修改为255，高于阈值的其余图像像素点的灰度值修改为0。
7.根据权利要求4所述的基于图像相似度差异的蚊虫识别方法，其特征在于，步骤二中的“二次图像增强处理，将灰度值为255的封闭区域作为一个待增强区块，逐一统计图片上的所有待增强区块中的白色点的个数，利用广度优先搜索算法结合回溯算法对背景再过滤执行二次图像增强处理，获得只显示蚊虫的图片”具体包括如下步骤：
预先设定蚊虫面积，将组成图像的所有黑色像素点设置一个标记位为0，白色像素点设置一个标记位为1，从第一个像素点开始，按从左向右的顺序查找，当查找到白色点时，向上下左右四个方向查找与之相连的白色节点，直到遍历所有与之相连的白色节点，计算当前区块白色节点的总个数，若面积小于设定的蚊虫面积，判定为蚊虫图像，则将这一区块的白色点的标记为改为0，若大于设定的蚊虫面积，为误识别的其他物体图像，则将这一区块的白色点的标记改为0，并将这些点的灰度值改为0，然后继续按此方法继续查找下一块白色区块并计算面积进行判断修改，最终将所有像素点都遍历一遍，获得只显示蚊虫的图片。
8.根据权利要求4所述的基于图像相似度差异的蚊虫识别方法，其特征在于，所述步骤三“根据步骤一中标记的拍摄时间次序每前后两张采用像素点比较的方式进行相似度对比，执行累加“异或”操作从而获得图片间相似度值”具体包括如下步骤：
根据步骤一中标记的拍摄时间，将所有图片按拍摄时间次序每前后两张进行相似度对比，分别遍历对比的两张图片中的所有像素点，并记录这两张图片对应位置的每个像素点对应的灰度值；从而得到两张图片对应位置的像素点的差异关系，对得到的差异值进行进制变换可得到两个二进制数组，对这两个二进制数组进行“异或”操作，统计结果中“1”出现的次数，该次数和即为图片间差异像素点的个数，除以图片总的像素点数目从而算出图片间相似度值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210000521.1A CN114004866B (zh) | 2022-01-04 | 2022-01-04 | 一种基于图像相似度差异的蚊虫识别系统与方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210000521.1A CN114004866B (zh) | 2022-01-04 | 2022-01-04 | 一种基于图像相似度差异的蚊虫识别系统与方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114004866A true CN114004866A (zh) | 2022-02-01 |
| CN114004866B CN114004866B (zh) | 2022-03-22 |
Family
ID=79932632
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210000521.1A Active CN114004866B (zh) | 2022-01-04 | 2022-01-04 | 一种基于图像相似度差异的蚊虫识别系统与方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114004866B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114305349A (zh) * | 2022-03-14 | 2022-04-12 | 天津大学四川创新研究院 | 利用猪只感温变色耳标的温度检测方法及系统 |
| CN114985283A (zh) * | 2022-04-27 | 2022-09-02 | 韩山师范学院 | 一种多特征图像识别技术的茶叶识别方法 |
| CN115713501A (zh) * | 2022-11-10 | 2023-02-24 | 深圳市探鸽智能科技有限公司 | 适用于摄像头模糊画面的检测处理方法及系统 |
| CN115797225A (zh) * | 2023-01-06 | 2023-03-14 | 山东环宇地理信息工程有限公司 | 一种水下地形测量用无人船采集图像增强方法 |
| CN116433670A (zh) * | 2023-06-14 | 2023-07-14 | 浙江舶云科技有限公司 | 一种图像质量检测方法及检测系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101303727A (zh) * | 2008-07-08 | 2008-11-12 | 北京中星微电子有限公司 | 基于视频人数统计的智能管理方法及其系统 |
| JP2011047565A (ja) * | 2009-08-26 | 2011-03-10 | Toshiba Corp | 対象物識別装置 |
| JP2017097397A (ja) * | 2015-11-18 | 2017-06-01 | 三星電子株式会社Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ． | 画像処理方法、画像処理装置および画像処理プログラム |
| CN108174832A (zh) * | 2017-11-29 | 2018-06-19 | 珠海格力电器股份有限公司 | 杀灭蚊虫的方法及装置 |
| CN109287589A (zh) * | 2018-11-26 | 2019-02-01 | 广东智源信息技术有限公司 | 一种基于图像识别的蚊虫数量快速监测诱蚊灯 |
| CN110245604A (zh) * | 2019-06-12 | 2019-09-17 | 西安电子科技大学 | 基于卷积神经网络的蚊虫识别方法 |
| CN110807473A (zh) * | 2019-10-12 | 2020-02-18 | 浙江大华技术股份有限公司 | 目标检测方法、装置及计算机存储介质 |
| CN111539986A (zh) * | 2020-03-25 | 2020-08-14 | 西安天和防务技术股份有限公司 | 目标跟踪方法、装置、计算机设备和存储介质 |
| CN112488043A (zh) * | 2020-12-15 | 2021-03-12 | 华侨大学 | 一种基于边缘智能的无人机车辆目标检测方法 |
| CN112818905A (zh) * | 2020-12-10 | 2021-05-18 | 北京航空航天大学 | 一种基于注意力和时空信息的有限像素车辆目标检测方法 |
| CN113837184A (zh) * | 2021-09-27 | 2021-12-24 | 常州市宏发纵横新材料科技股份有限公司 | 一种蚊虫检测方法、设备及存储介质 |
-
2022
- 2022-01-04 CN CN202210000521.1A patent/CN114004866B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101303727A (zh) * | 2008-07-08 | 2008-11-12 | 北京中星微电子有限公司 | 基于视频人数统计的智能管理方法及其系统 |
| JP2011047565A (ja) * | 2009-08-26 | 2011-03-10 | Toshiba Corp | 対象物識別装置 |
| JP2017097397A (ja) * | 2015-11-18 | 2017-06-01 | 三星電子株式会社Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ． | 画像処理方法、画像処理装置および画像処理プログラム |
| CN108174832A (zh) * | 2017-11-29 | 2018-06-19 | 珠海格力电器股份有限公司 | 杀灭蚊虫的方法及装置 |
| CN109287589A (zh) * | 2018-11-26 | 2019-02-01 | 广东智源信息技术有限公司 | 一种基于图像识别的蚊虫数量快速监测诱蚊灯 |
| CN110245604A (zh) * | 2019-06-12 | 2019-09-17 | 西安电子科技大学 | 基于卷积神经网络的蚊虫识别方法 |
| CN110807473A (zh) * | 2019-10-12 | 2020-02-18 | 浙江大华技术股份有限公司 | 目标检测方法、装置及计算机存储介质 |
| CN111539986A (zh) * | 2020-03-25 | 2020-08-14 | 西安天和防务技术股份有限公司 | 目标跟踪方法、装置、计算机设备和存储介质 |
| CN112818905A (zh) * | 2020-12-10 | 2021-05-18 | 北京航空航天大学 | 一种基于注意力和时空信息的有限像素车辆目标检测方法 |
| CN112488043A (zh) * | 2020-12-15 | 2021-03-12 | 华侨大学 | 一种基于边缘智能的无人机车辆目标检测方法 |
| CN113837184A (zh) * | 2021-09-27 | 2021-12-24 | 常州市宏发纵横新材料科技股份有限公司 | 一种蚊虫检测方法、设备及存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| DONG-SAN JUN 等: "Automatic target detection using binary template matching", 《OPTICAL ENGINEERING》 * |
| IVAN KISKIN 等: "Mosquito Detection with Neural Networks: The Buzz of Deep Learning", 《ARXIV》 * |
| 张帅: "一种基于图像识别的蚊虫数量快速监测系统的设计", 《信息与电脑(理论版)》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114305349A (zh) * | 2022-03-14 | 2022-04-12 | 天津大学四川创新研究院 | 利用猪只感温变色耳标的温度检测方法及系统 |
| CN114305349B (zh) * | 2022-03-14 | 2022-05-27 | 天津大学四川创新研究院 | 利用猪只感温变色耳标的温度检测方法及系统 |
| CN114985283A (zh) * | 2022-04-27 | 2022-09-02 | 韩山师范学院 | 一种多特征图像识别技术的茶叶识别方法 |
| CN114985283B (zh) * | 2022-04-27 | 2024-03-29 | 韩山师范学院 | 一种多特征图像识别技术的茶叶识别方法 |
| CN115713501A (zh) * | 2022-11-10 | 2023-02-24 | 深圳市探鸽智能科技有限公司 | 适用于摄像头模糊画面的检测处理方法及系统 |
| CN115797225A (zh) * | 2023-01-06 | 2023-03-14 | 山东环宇地理信息工程有限公司 | 一种水下地形测量用无人船采集图像增强方法 |
| CN116433670A (zh) * | 2023-06-14 | 2023-07-14 | 浙江舶云科技有限公司 | 一种图像质量检测方法及检测系统 |
| CN116433670B (zh) * | 2023-06-14 | 2023-08-29 | 浙江舶云科技有限公司 | 一种图像质量检测方法及检测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114004866B (zh) | 2022-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114004866B (zh) | 一种基于图像相似度差异的蚊虫识别系统与方法 | |
| CN112734731B (zh) | 一种牲畜温度检测方法、装置、设备和存储介质 | |
| CN106296738B (zh) | 一种基于fpga的母猪分娩智能检测系统以及方法 | |
| CN111091109B (zh) | 基于人脸图像进行年龄和性别预测的方法、系统和设备 | |
| Le et al. | An automated fish counting algorithm in aquaculture based on image processing | |
| CN113920453A (zh) | 一种基于深度学习的猪只体尺体重估测方法 | |
| CN112232978B (zh) | 水产品体长和重量检测方法、终端设备及存储介质 | |
| CN107886086A (zh) | 一种基于图像视频的目标动物检测方法及装置 | |
| CN114359727B (zh) | 基于轻量级优化Yolo v4的茶叶病害识别方法及系统 | |
| CN111294565A (zh) | 一种智能化养猪监测方法和管理端 | |
| CN109034247B (zh) | 一种基于跟踪算法的较高纯度的人脸识别样本提取方法 | |
| CN112257564A (zh) | 水产品数量统计方法、终端设备及存储介质 | |
| CN115861721B (zh) | 基于图像数据的畜禽养殖喷雾设备状态识别方法 | |
| CN110096945B (zh) | 基于机器学习的室内监控视频关键帧实时提取方法 | |
| CN111914685A (zh) | 母猪发情检测方法、装置、电子设备及存储介质 | |
| CN104700405A (zh) | 一种前景检测方法和系统 | |
| CN109285183B (zh) | 一种基于运动区域图像清晰度的多模视频图像配准方法 | |
| CN112233111A (zh) | 一种基于数字图像处理的隧道缝隙检测方法 | |
| CN111950812A (zh) | 一种自动识别与预测雨量的方法及其装置 | |
| CN114581948A (zh) | 一种畜脸识别方法 | |
| CN114092378A (zh) | 动物健康检测的方法、装置、设备及存储介质 | |
| CN110287902B (zh) | 畜禽存活检测方法、装置、设备及计算机程序产品 | |
| CN113327263B (zh) | 一种基于图像视觉的鱼群活跃度监测方法 | |
| CN111145205A (zh) | 基于红外图像的多猪只场景下猪体温检测方法 | |
| CN112906510A (zh) | 一种渔业资源统计方法及系统 |
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 | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Hui Yihang Inventor after: Li Guoliang Inventor after: Song Le Inventor after: Liu Zizhen Inventor after: Yang Haoxiang Inventor after: Yu Xinhui Inventor after: Peng Siyu Inventor after: Cao Chunran Inventor after: Yang Shiyu Inventor after: Yin Taixin Inventor before: Song Le Inventor before: Li Guoliang Inventor before: Hui Yihang Inventor before: Liu Zizhen Inventor before: Yang Haoxiang Inventor before: Yu Xinhui Inventor before: Peng Siyu Inventor before: Cao Chunran Inventor before: Yang Shiyu Inventor before: Yin Taixin |