CN115861721B - 基于图像数据的畜禽养殖喷雾设备状态识别方法 - Google Patents

基于图像数据的畜禽养殖喷雾设备状态识别方法 Download PDF

Info

Publication number
CN115861721B
CN115861721B CN202310171781.XA CN202310171781A CN115861721B CN 115861721 B CN115861721 B CN 115861721B CN 202310171781 A CN202310171781 A CN 202310171781A CN 115861721 B CN115861721 B CN 115861721B
Authority
CN
China
Prior art keywords
image
window area
determining
spraying equipment
gray level
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
Application number
CN202310171781.XA
Other languages
English (en)
Other versions
CN115861721A (zh
Inventor
徐震
徐响
朱海强
孟文峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Tobetter Machinery Co ltd
Original Assignee
Shandong Tobetter Machinery Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Tobetter Machinery Co ltd filed Critical Shandong Tobetter Machinery Co ltd
Priority to CN202310171781.XA priority Critical patent/CN115861721B/zh
Publication of CN115861721A publication Critical patent/CN115861721A/zh
Application granted granted Critical
Publication of CN115861721B publication Critical patent/CN115861721B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/70Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in livestock or poultry

Landscapes

  • Image Processing (AREA)

Abstract

本发明涉及图像处理技术领域,具体涉及一种基于图像数据的畜禽养殖喷雾设备状态识别方法,获取待检测喷雾设备的拍摄喷雾图像的拍摄灰度图像和拍摄HSV图像,以及标准喷雾图像的标准灰度图像和标准HSV图像;根据拍摄HSV图像与标准HSV图像,确定颜色差异系数;确定拍摄灰度图像的各个窗口区域以及各个窗口区域的雾气模糊指数;确定各个窗口区域中的目标窗口区域,并确定目标窗口区域在标准灰度图像中对应的对比窗口区域,根据目标窗口区域和对比窗口区域的雾气模糊指数以及颜色差异系数,确定设备异常数值,进而确定待检测喷雾设备的工作状态。本发明可实现喷雾设备状态的准确识别,解决了现有喷雾设备状态识别不准确的问题。

Description

基于图像数据的畜禽养殖喷雾设备状态识别方法
技术领域
本发明涉及图像处理技术领域,具体涉及一种基于图像数据的畜禽养殖喷雾设备状态识别方法。
背景技术
由于自然生长条件下生长的动物难以满足当前人类的日常饮食需求,为了能够获取大量的肉、蛋、奶、绒毛、皮张等生活必需产品,畜禽养殖业应运而生,畜禽养殖业是指通过人工饲养的方式以草料饲料换取得到生活必需产品。目前,畜禽养殖业已经成为人类与自然界进行物质交换的重要环节,也是当前农业的重要组成部分,现已由传统养殖模式的小规模、小群体的分散饲养,逐渐向规模化、畜禽养殖集约化转变。
在畜禽养殖业中,由于人工饲养生长环境下的动物个体密度较大,对生长环境的清洁条件具有一定的要求。为了满足人工饲养条件下的动物个体生长清洁环境,避免个体之间疾病感染传播,需要设置喷雾设备以进行喷雾消毒处理,通过喷雾消毒不仅可以有效的灭杀细菌病毒,同时还能在一定程度上维持空气湿度,使出栏饲养动物满足生产要求。当前喷雾设备多为自动化喷雾装置,当喷雾设备出现喷雾故障而又无法及时检测出时,就会导致饲养生长环境较差,有可能造成不必要的经济财产损失,因此对喷雾设备的工作状态进行及时检测就显得尤为重要。
目前,对喷雾设备的工作状态进行检测的方法有人工检测法和视觉检测法。其中,人工检测法是由人定期对喷雾设备进行巡检,以发现存在喷雾故障的喷雾设备,该检测方法具有一定的滞后性,且消耗宝贵的人力资源。视觉检测法是连续对喷雾设备的喷雾进行拍照,并根据拍摄到的喷雾图像来识别出现喷雾故障的喷雾设备。现有在通过喷雾图像进行喷雾故障识别时,可以使用单阈值对图像进行分割,并根据分割结果来确定喷雾设备的状态,但是这种方式的分割结果过于依赖人为设置经验阈值,且往往无法有效提取到当前喷雾的分布特征,从而导致喷雾设备状态识别不够准确。
发明内容
本发明的目的在于提供一种基于图像数据的畜禽养殖喷雾设备状态识别方法,用于解决现有喷雾设备状态识别不够准确的问题。
为解决上述技术问题,本发明提供了一种基于图像数据的畜禽养殖喷雾设备状态识别方法,包括以下步骤:
获取待检测喷雾设备的拍摄喷雾图像的拍摄灰度图像和拍摄HSV图像,并获取标准喷雾图像的标准灰度图像和标准HSV图像;
将拍摄HSV图像与标准HSV图像进行比较,从而确定拍摄HSV图像与标准HSV图像的颜色差异系数;
确定拍摄灰度图像的各个窗口区域,根据各个窗口区域中像素点的灰度值,确定各个窗口区域的雾气模糊指数;
根据拍摄灰度图像的尺寸、各个窗口区域的雾气模糊指数和颜色差异系数,对各个窗口区域进行筛选,确定各个目标窗口区域;
获取每个目标窗口区域在标准灰度图像中相同位置处的对比窗口区域,并根据各个对比窗口区域中像素点的灰度值,确定各个对比窗口区域的雾气模糊指数;
根据颜色差异系数、各个目标窗口区域的雾气模糊指数、以及各个对比窗口区域的雾气模糊指数,确定待检测喷雾设备的设备异常数值,并根据待检测喷雾设备的设备异常数值,确定待检测喷雾设备的工作状态。
进一步的,确定各个目标窗口区域,包括:
根据拍摄灰度图像的尺寸、各个窗口区域的雾气模糊指数和颜色差异系数,确定喷雾稀疏特征值个数;
确定各个窗口区域的位置坐标,根据各个窗口区域的位置坐标,对各个窗口区域进行均匀分布筛选,筛选出与所述喷雾稀疏特征值个数相等数量的窗口区域,并将筛选出来的窗口区域作为目标窗口区域。
进一步的,确定喷雾稀疏特征值个数对应的计算公式为:
其中,为喷雾稀疏特征值个数,为拍摄灰度图像的尺寸中的长度和宽度,为颜色差异系数,为第i个窗口区域的雾气模糊指数,为窗口区域的总数目,为取整函数,为累乘函数。
进一步的,确定各个窗口区域的雾气模糊指数,包括:
根据每个窗口区域中像素点的灰度值,确定每个窗口区域在各个设定方向下的灰度共生矩阵,并根据灰度共生矩阵中每个灰度值对及其对应的频率,确定每个窗口区域在各个设定方向下的对比度;
根据每个窗口区域在各个设定方向下的对比度,确定每个窗口区域的雾气模糊指数。
进一步的,确定每个窗口区域的雾气模糊指数,包括:
各个设定方向包括第一设定方向、第二设定方向、第三设定方向和第四设定方向,第一设定方向和第三设定方向垂直,第二设定方向和第四设定方向垂直;
根据每个窗口区域在第一设定方向和第三设定方向下的灰度共生矩阵的对比度,将两个对比度中的较小值与较大值的比值确定为第一比值;
根据每个窗口区域在第二设定方向和第四设定方向下的灰度共生矩阵的对比度,将两个对比度中的较小值与较大值的比值确定为第二比值;
将每个窗口区域对应的第一比值和第二比值的乘积值,确定为窗口区域的雾气模糊指数。
进一步的,第一设定方向、第二设定方向、第三设定方向和第四设定方向对应的方向角度分别依次为
进一步的,确定待检测喷雾设备的设备异常数值对应的计算公式为:
其中,为待检测喷雾设备的设备异常数值,为颜色差异系数,为第i个目标窗口区域的雾气模糊指数,为第i个目标窗口区域对应的对比窗口区域的雾气模糊指数,为取绝对值函数,为目标窗口区域的总数目,为归一化函数。
进一步的,确定拍摄HSV图像与标准HSV图像的颜色差异系数,包括:
获取拍摄HSV图像与标准HSV图像中各个像素点对应的H通道值;
确定拍摄HSV图像中每个像素点在标准HSV图像中相同位置的对比像素点,并计算拍摄HSV图像中每个像素点与其对应的对比像素点的H通道值的差值绝对值;
计算拍摄HSV图像中所有像素点对应的差值绝对值的累加和,并对所述累加和进行归一化处理,将归一化处理后的结果确定为颜色差异系数。
进一步的,确定拍摄灰度图像的各个窗口区域,包括:
在拍摄灰度图像中构建设定边长的滑窗,并将滑窗按照设定步长进行移动,设定步长小于设定边长,将移动前后的每个滑窗内的区域作为一个窗口区域,从而得到拍摄灰度图像的各个窗口区域。
进一步的,确定待检测喷雾设备的工作状态,包括:
判断待检测喷雾设备的设备异常数值是否大于设定设备异常阈值,若大于设定设备异常阈值,则判定待检测喷雾设备为异常状态,否则判定待检测喷雾设备为正常状态。
本发明具有如下有益效果:通过获取待检测喷雾设备的拍摄喷雾图像,并对该拍摄喷雾图像进行图像处理,从而得到拍摄灰度图像和拍摄HSV图像。同时,为了便于后续准确确定喷雾设备的工作状态,还需要获取喷雾设备在正常工作状态下的标准喷雾图像的标准灰度图像和标准HSV图像,将拍摄HSV图像与标准HSV图像相比较,从而可以获得颜色差异系数,该颜色差异系数表征了在进行图像拍摄时待检测喷雾设备喷洒出的雾气与正常工作状态下喷洒出的雾气在颜色方面的差异。为了更好地对拍摄灰度图像中的雾气稀薄特征进行提取和分析,以便于后续更准确地确定待检测喷雾设备的工作状态,将拍摄灰度图像划分为多个窗口区域,并确定各个窗口区域的雾气模糊指数,该雾气模糊指数准确表征了对应窗口区域的雾气分布稀薄均匀情况。结合颜色差异系数、雾气模糊指数以及拍摄灰度图像的尺寸,对各个窗口区域进行自适应筛选,从而确定可以准确提取此刻雾气稀薄分布特征的各目标窗口区域。确定这些目标窗口区域在标准灰度图像中对应的对比窗口区域,并将目标窗口区域与其对应的对比窗口区域进行雾气模糊指数比较,同时结合颜色差异系数,准确确定待检测喷雾设备的设备异常数值,该设备异常数值可以准确表征待检测喷雾设备喷洒出的雾气与正常工作状态下的雾气的分布特征差异情况,最终根据该设备异常数值可准确确定待检测喷雾设备的工作状态,有效解决了现有喷雾设备状态识别不够准确的问题。
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和优点,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的介绍,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它附图。
图1为本发明实施例的基于图像数据的畜禽养殖喷雾设备状态识别方法的流程图;
图2为本发明实施例的拍摄灰度图像的部分区域示意图;
图3为本发明实施例的图2中的拍摄灰度图像的部分区域对应的H通道值图像;
图4为本发明实施例的图2中的拍摄灰度图像的部分区域的9个窗口区域的示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。另外,本文所涉及公式中的所有参数或者指标均为归一化之后的消除了量纲影响的数值。
为了解决现有喷雾设备状态识别不够准确的问题,本实施例提供了一种基于图像数据的畜禽养殖喷雾设备状态识别方法,该方法对应的流程图如图1所示,包括以下步骤:
步骤S1:获取待检测喷雾设备的拍摄喷雾图像的拍摄灰度图像和拍摄HSV图像,并获取标准喷雾图像的标准灰度图像和标准HSV图像。
在待检测喷雾设备工作过程中,在本实施例中,该待检测喷雾设备是指畜禽养殖喷雾设备,为了获取待检测喷雾设备在工作过程中的图像,需要选择合适的图像拍摄采集设备。当前主要的图像拍摄采集设备分为CCD相机和CMOS电子元器件两种,CCD相机由于其具有良好的呈像性质,通过拍摄采集得到的图像表面细节清晰完整,而高质量的图像对后续畜禽喷雾设备的状态识别准确性有较大影响,因此在本实施例中选用CCD相机对畜禽养殖喷雾设备进行实时或者定时拍摄采集,从而得到畜禽喷雾设备在RGB颜色空间下的拍摄喷雾图像。同时,为了便于后续较好地确定当前畜禽喷雾设备的喷雾量状态,还需要对标准无异常状态下进行工作的畜禽养殖喷雾设备进行拍摄,并将采集到的图像作为标准喷雾图像。需要指出的是,在获取畜禽养殖喷雾设备的拍摄喷雾图像和标准喷雾图像时,相机设置的位置应当是相同的,以保证拍摄喷雾图像和标准喷雾图像对应畜禽养殖喷雾设备相同的喷雾区域,且拍摄喷雾图像和标准喷雾图像的尺寸相同。
在获得畜禽养殖喷雾设备的拍摄喷雾图像之后,为了避免后续对畜禽养殖喷雾设备的状态进行识别时对RGB三个不同颜色通道进行重复计算,影响实时性效果,使用加权平均法将RGB颜色空间下的拍摄喷雾图像转化成灰度图像,从而得到拍摄喷雾图像的拍摄灰度图像。在得到拍摄喷雾图像的拍摄灰度图像之后,为了避免拍摄采集工作环境中出现的噪声对后续畜禽养殖喷雾设备工作状态识别的影响,使用高斯滤波方法对拍摄灰度图像进行滤波处理,以尽可能减弱甚至消除这些噪声对后续畜禽养殖喷雾设备状态识别的精度影响,从而得到最终的拍摄灰度图像。同时,为了便于后续获取畜禽养殖喷雾设备的雾气表面的颜色状态,将在RGB颜色空间下的拍摄喷雾图像转化为HSV颜色通道图像,从而得到拍摄喷雾图像的拍摄HSV图像。
按照上述获取畜禽养殖喷雾设备的拍摄喷雾图像的拍摄灰度图像和拍摄HSV图像的方式,对标准喷雾图像进行相同的处理,从而得到标准喷雾图像对应的标准灰度图像和标准HSV图像。需要指出的是,该拍摄喷雾图像及其对应的拍摄灰度图像和拍摄HSV图像,是在畜禽养殖喷雾设备的工作过程中实时或者定时获取得到的,而标准喷雾图像及其对应的标准灰度图像和标准HSV图像,是在获取拍摄喷雾图像之前提前获取的,并在进行畜禽养殖喷雾设备的工作状态识别的过程中直接进行使用。
步骤S2:将拍摄HSV图像与标准HSV图像进行比较,从而确定拍摄HSV图像与标准HSV图像的颜色差异系数。
当畜禽养殖喷雾设备处于正常工作状态时会进行大量喷雾,此时通过图像拍摄采集设备得到的拍摄喷雾图像上会呈现较大的雾气,若某个喷雾设备由于管道堵塞或填充药水不足导致喷雾量降低,此时在拍摄采集得到的拍摄喷雾图像上会呈现雾气稀薄状态,对这种变化差异进行分析,有利于对畜禽养殖喷雾设备的工作状态进行有效的判断,实现步骤包括:
获取拍摄HSV图像与标准HSV图像中各个像素点对应的H通道值;
确定拍摄HSV图像中每个像素点在标准HSV图像中相同位置的对比像素点,并计算拍摄HSV图像中每个像素点与其对应的对比像素点的H通道值的差值绝对值;
计算拍摄HSV图像中所有像素点对应的差值绝对值的累加和,并对所述累加和进行归一化处理,将归一化处理后的结果确定为颜色差异系数。
具体的,根据拍摄HSV图像与标准HSV图像,可以获取两个图像中每个像素点的H通道值,对于图2中给出的拍摄灰度图像的部分区域,其对应的HSV图像中的H通道值图像如图3所示。然后根据两个图像中同一位置的两个像素点的H通道值的差异,确定拍摄HSV图像与标准HSV图像的颜色差异系数,对应的计算公式为:
其中,为拍摄HSV图像与标准HSV图像的颜色差异系数,为拍摄HSV图像中第i行第j列的像素点的H通道值,为标准HSV图像中第i行第j列的像素点的H通道值,为取绝对值函数,M为拍摄HSV图像与标准HSV图像中像素点的行数,N为拍摄HSV图像与标准HSV图像中像素点的列数,为双曲正切函数,用于对进行归一化。
在上述的颜色差异系数的计算公式中,通过将拍摄HSV图像与标准HSV图像中相同位置的像素点的H通道值进行比较,可以实现畜禽养殖喷雾设备当前喷雾状态的粗略估计判断,当拍摄HSV图像与标准HSV图像中相同位置的像素点的H通道值的差异越大时,颜色差异系数就会越大,此时说明当前状态下畜禽养殖喷雾设备出现异常的可能性越高。
步骤S3:确定拍摄灰度图像的各个窗口区域,根据各个窗口区域中像素点的灰度值,确定各个窗口区域的雾气模糊指数。
为了更好地对拍摄灰度图像中的雾气稀薄特征进行提取和分析,以便于后续更准确地确定畜禽养殖喷雾设备的工作状态,将拍摄灰度图像划分为多个局部区域,实现步骤包括:
在拍摄灰度图像中构建设定边长的滑窗,并将滑窗按照设定步长进行移动,设定步长小于设定边长,将移动前后的每个滑窗内的区域作为一个窗口区域,从而得到拍摄灰度图像的各个窗口区域。
具体的,现有在进行图像局部区域分割时,常用的手段为对图像进行均匀分割裁剪,但均匀分割裁剪忽略了图像中局部与整体之间的语义关联信息,也就是均匀分割裁剪所得到的局部区域图像很有可能出现信息割裂的情况,从而导致后续所提取到的雾气特征不太准确。因此,本实施例将拍摄灰度图像以设定步长划分成设定边长的局部区域,一个局部区域即为一个窗口区域。在确定各个局部区域时,设定步长和设定边长可以根据经验来进行确定,在本实施例中,设定步长设置为1,设定边长设置为5,此时一个局部区域的大小为
在获得拍摄灰度图像的各个窗口区域后,对每个窗口区域中的雾气稀薄变化的情况和状态进行分析,确定每个窗口区域的雾气模糊指数,实现步骤包括:
根据每个窗口区域中像素点的灰度值,确定每个窗口区域在各个设定方向下的灰度共生矩阵,并根据灰度共生矩阵中每个灰度值对及其对应的频率,确定每个窗口区域在各个设定方向下的对比度;
根据每个窗口区域在各个设定方向下的对比度,确定每个窗口区域的雾气模糊指数。
其中,根据每个窗口区域在各个设定方向下的对比度,确定每个窗口区域的雾气模糊指数,实现步骤包括:
各个设定方向包括第一设定方向、第二设定方向、第三设定方向和第四设定方向,第一设定方向和第三设定方向垂直,第二设定方向和第四设定方向垂直;
根据每个窗口区域在第一设定方向和第三设定方向下的灰度共生矩阵的对比度,将两个对比度中的较小值与较大值的比值确定为第一比值;
根据每个窗口区域在第二设定方向和第四设定方向下的灰度共生矩阵的对比度,将两个对比度中的较小值与较大值的比值确定为第二比值;
将每个窗口区域对应的第一比值和第二比值的乘积值,确定为对比窗口区域的雾气模糊指数。
具体的,对于拍摄灰度图像中的每个窗口区域,为了可以提取得到在不同方向下的稀薄变化特征,设置各个设定方向,在本实施例中,各个设定方向包括第一设定方向、第二设定方向、第三设定方向和第四设定方向,且这四个设定方向对应的方向角度依次为。在这四个方向角度对应的设定方向下,分别获取每个窗口区域在每个设定方向下的灰度共生矩阵,由于获取灰度图像在每个设定方向下的灰度共生矩阵的具体实现过程属于现有技术,此处不再赘述。
在获取到拍摄灰度图像中的每个窗口区域在四个设定方向下的灰度共生矩阵之后,根据该灰度共生矩阵确定对比度,对应的计算公式为:
其中,为拍摄灰度图像中的每个窗口区域在任意一个设定方向下的对比度,为拍摄灰度图像中的每个窗口区域在该设定方向下的灰度共生矩阵中灰度值对对应的频率,Q为拍摄灰度图像中的每个窗口区域在该设定方向下的灰度共生矩阵中灰度值对中两个灰度值的最大取值,也就是在该设定方向下的灰度共生矩阵的尺寸大小。
通过上述的对比度的计算公式,可以确定拍摄灰度图像中的每个窗口区域在每个设定方向下的对比度的数值大小,当对比度的数值越大时,说明在该设定方向下雾气变化越剧烈,与正常状态下均匀喷雾特征有所差异,此时该设定方向有较大可能存在异常状态。例如,对于图2中给出的拍摄灰度图像的部分区域,对于如图4所示该拍摄灰度图像的部分区域对应的9个窗口区域,按照从左往右、从上到小的顺序,这9个窗口区域在第一设定方向下的对比度依次为0.471、0.520、0.360、0.246、0.234、0.360、0.030、0.049、0.400。根据图2可知,由于第一排的第二个窗口区域存在喷雾异常,此时该窗口区域对应的对比度就相对较大。
对于拍摄灰度图像中的每个窗口区域,根据该窗口区域在各个设定方向下的对比度,计算该窗口区域的雾气模糊指数,对应的计算公式为:
其中,为拍摄灰度图像中的第i个窗口区域的雾气模糊指数,分别为该拍摄灰度图像中的第i个窗口区域在第一设定方向、第二设定方向、第三设定方向和第四设定方向下的对比度,为取最小值函数,为取最大值函数。
通过上述的雾气模糊指数的计算公式,可以确定拍摄灰度图像中的每个窗口区域的雾气模糊指数的数值大小。畜禽养殖喷雾设备在正常状态下,其喷洒后获取的雾气状态在不同方向上应具有稀薄均匀性特点,通过在相互垂直正交方向上对局部窗口区域的对比度进行分析计算,若此时两个相互垂直正交方向上最小值与最大值比值小于1,说明此时该局部窗口区域位置中雾气在不同方向上变化不具有均匀一致性特点,此时畜禽养殖喷雾设备有较大可能出现异常状态。
在上述确定拍摄灰度图像中的每个窗口区域的雾气模糊指数的过程中,通过确定每个窗口区域在各个设定方向下的灰度共生矩阵,进而得到在各个设定方向下的对比度,并对在相互垂直正交方向上的对比度进行分析,从而得到最终的每个窗口区域的雾气模糊指数,这就有效的规避了传统灰度共生矩阵只分析考虑了一个方向,无法反映不同方向上的联系变换特征,从而较难获取得到相应的雾气分布状况的缺陷,使得最终得到每个窗口区域的雾气模糊指数更加贴合雾气稀薄分布的特征,从而有利于后续更加准确地确定畜禽养殖喷雾设备的工作状态。
步骤S4:根据拍摄灰度图像的尺寸、各个窗口区域的雾气模糊指数和颜色差异系数,对各个窗口区域进行筛选,确定各个目标窗口区域。
在上述的步骤S3中,是通过设定步长将拍摄灰度图像划分为多个窗口,并计算得到了每个窗口区域的雾气模糊指数。由于设定步长与窗口区域的设定边长并不相等,在进行窗口划分计算时会出现不同窗口区域之间的重复交叠情况,此时计算得到的不同位置之间的特征信息点会出现拥簇密集现象,这种过多的特征点拥簇密集现象不利于后续对畜禽养殖喷雾设备状态的识别判断。因此,为了避免提取特征时不同窗口区域位置相互交叠出现冗余特征信息的现象,本实施例根据当前雾气状态与标准无异常状态下的差异严重程度,设计自适应调节喷雾稀疏特征值个数,并根据该喷雾稀疏特征值个数,对各个窗口区域进行筛选,确定各个目标窗口区域,从而实现特征信息的优化筛选,实现步骤包括:
根据拍摄灰度图像的尺寸、各个窗口区域的雾气模糊指数和颜色差异系数,确定喷雾稀疏特征值个数;
确定各个窗口区域的位置坐标,根据各个窗口区域的位置坐标,对各个窗口区域进行均匀分布筛选,筛选出与所述喷雾稀疏特征值个数相等数量的窗口区域,并将筛选出来的窗口区域作为目标窗口区域。
具体的,根据拍摄灰度图像的尺寸、各个窗口区域的雾气模糊指数和颜色差异系数,确定喷雾稀疏特征值个数,对应的计算公式为:
其中,为喷雾稀疏特征值个数,为拍摄灰度图像的尺寸中的长度和宽度,该长度和宽度分别为拍摄灰度图像中像素点的行数和列数中的最大值和较小值,为颜色差异系数,为第i个窗口区域的雾气模糊指数,为窗口区域的总数目,为取整函数,具体为四舍五入取整函数,为累乘函数。
在上述的喷雾稀疏特征值个数的计算公式中,喷雾稀疏特征值个数与拍摄灰度图像的尺寸成正相关关系,当拍摄灰度图像的长度和宽度W越大时,对应的喷雾稀疏特征值个数也应当越大。并且,当某个窗口区域出现雾气稀薄不均匀异常状态时,对应计算得到的雾气模糊指数的数值会相应小于1,通过累计相乘这种小于1的雾气模糊指数,使得累计相乘结果所表征的异常变化会更小,当拍摄HSV图像与标准HSV图像的雾气表面颜色差异越大,对应也会相对越大,此时畜禽养殖喷雾设备出现异常状态的可能性越高,后续在减小征点拥簇密集现象不利影响的基础上,需要对更多的窗口区域进行分析以实现对畜禽养殖喷雾设配状态的识别判断,因此喷雾稀疏特征值个数也会相对变多以适应当前雾气异常状态。
另外,需要指出的是,在上述的喷雾稀疏特征值个数的计算公式中,由于畜禽养殖喷雾设备喷洒得到的雾气在空气中传播容易受到当前风速、光照等自然环境的影响,雾气不可能达到绝对的均匀分许,因此出现拍摄灰度图像中所有窗口区域的雾气模糊指数均等于1的概率非常低,而当拍摄灰度图像中所有窗口区域的雾气模糊指数均等于1时,则直接判定畜禽养殖喷雾设备为正常状态。
在确定喷雾稀疏特征值个数之后,将拍摄灰度图像中每个窗口区域的中心位置坐标作为对应窗口区域的位置坐标,从而可以得到拍摄灰度图像中所有窗口区域的位置坐标。将拍摄灰度图像中所有窗口区域的位置坐标作为输入,使用四叉树进行均匀分布优化筛选,并将筛选后得到的各个位置坐标所对应的窗口区域确定为目标窗口区域。由于四叉树均匀分布优化筛选的具体方法为公知技术,例如,计算机视觉life于2021年2月16日在搜狐网发表了一篇文章,其名称为VSLAM系列原创04讲|四叉树实现ORB特征点均匀化分布:原理+代码,其中就公开了一种四叉树实现特征点均匀化分布的方法,在此不再赘述。通过四叉树均匀分布优化筛选对窗口区域进行均匀分布筛选以得到合适的特征表示,最终可以得到个数为的目标窗口区域,基于这些目标窗口区域可以实现畜禽养殖喷雾设配状态的准确识别。本实施例通过利用四叉树均匀分布优化筛选,确定各个目标窗口区域,从而实现特征信息的优化筛选,同时有效规避了传统图像匹配之间逐个像素点计算匹配的复杂程度,提升了方案整体的实时性效果。
步骤S5:获取每个目标窗口区域在标准灰度图像中相同位置处的对比窗口区域,并根据各个对比窗口区域中像素点的灰度值,确定各个对比窗口区域的雾气模糊指数。
在通过上述步骤S4确定拍摄灰度图像中的各个目标窗口区域之后,根据各个目标窗口区域在拍摄灰度图像中的位置,确定每个目标窗口区域在标准灰度图像中相同位置处的窗口区域,并将该相同位置处的窗口区域记作对比窗口区域,此时拍摄灰度图像中的每个目标窗口区域在标准灰度图像对应一个对比窗口区域,且每个目标窗口区域与其对应的对比窗口区域对应畜禽养殖喷雾设备的同一喷雾区域。然后按照上述步骤S3中确定拍摄灰度图像的各个窗口区域的雾气模糊指数的相同方式,根据各个对比窗口区域中像素点的灰度值,确定标准灰度图像中各个对比窗口区域的雾气模糊指数。
步骤S6:根据颜色差异系数、各个目标窗口区域的雾气模糊指数、以及各个对比窗口区域的雾气模糊指数,确定待检测喷雾设备的设备异常数值,并根据待检测喷雾设备的设备异常数值,确定待检测喷雾设备的工作状态。
为了确定待检测喷雾设备即畜禽养殖喷雾设备的工作状态,将各个目标窗口区域与其对应的对比窗口区域的雾气模糊指数进行比对,并结合拍摄HSV图像与标准HSV图像的颜色差异系数,确定待检测喷雾设备的设备异常数值,对应的计算公式为:
其中,为待检测喷雾设备的设备异常数值,为颜色差异系数,为第i个目标窗口区域的雾气模糊指数,为第i个目标窗口区域对应的对比窗口区域的雾气模糊指数,为取绝对值函数,为目标窗口区域的总数目,为归一化函数,该归一化函数的取值范围为[0,1]。
在上述的设备异常数值的计算公式中,颜色差异系数表征了待检测喷雾设备即畜禽养殖喷雾设备此刻喷洒出的雾气与标准无异常状态下的畜禽养殖喷雾设备喷洒出的雾气在颜色方面的差异,表征了待检测喷雾设备即畜禽养殖喷雾设备此刻喷洒出的雾气与标准无异常状态下的畜禽养殖喷雾设备喷洒出的雾气在分布均匀方面的差异,当两方面的差异较小时,则说明畜禽养殖喷雾设备处于正常状态,此时设备异常数值的取值较小,而当两方面的差异较小时,则说明畜禽养殖喷雾设备存在异常,此时设备异常数值的取值较大。
在获得待检测喷雾设备即畜禽养殖喷雾设备的设备异常数值之后,判断待检测喷雾设备的设备异常数值是否大于设定设备异常阈值,若大于设定设备异常阈值,则判定待检测喷雾设备为异常状态,否则判定待检测喷雾设备为正常状态。其中,该设定设备异常阈值是预先设置的,该设备异常阈值的设置大小可以根据需要进行确定,当对畜禽养殖喷雾设备的工作状态检测灵敏性要求越高时,则该设备异常阈值设置的越小,本实施例将该设备异常阈值设置为0.7。
本发明通过获取待检测喷雾设备的拍摄灰度图像和拍摄HSV图像,并获取喷雾设备在正常工作状态下的标准喷雾图像的标准灰度图像和标准HSV图像,将拍摄HSV图像与标准HSV图像相比较,从而可以获得颜色差异系数,该颜色差异系数表征了待检测喷雾设备此刻喷洒出的雾气与正常工作状态下喷洒出的雾气在颜色方面的差异。为了更好地对拍摄灰度图像中的雾气稀薄特征进行提取和分析,以便于后续更准确地确定待检测喷雾设备的工作状态,将拍摄灰度图像划分为多个窗口区域,并确定各个窗口区域的雾气模糊指数,该雾气模糊指数表征了对应窗口区域的雾气分布稀薄均匀情况。结合颜色差异系数、雾气模糊指数以及拍摄灰度图像的尺寸,对各个窗口区域进行自适应筛选,从而确定可以准确提取此刻雾气稀薄分布特征的各目标窗口区域。确定这些目标窗口区域在标准灰度图像中对应的对比窗口区域,并将目标窗口区域与其对应的对比窗口区域进行雾气模糊指数比较,同时结合颜色差异系数,准确确定待检测喷雾设备的设备异常数值,最终根据该设备异常数值准确确定待检测喷雾设备的工作状态,有效解决了现有喷雾设备状态识别不够准确的问题。
需要说明的是:以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。

Claims (8)

1.一种基于图像数据的畜禽养殖喷雾设备状态识别方法,其特征在于,包括以下步骤:
获取待检测喷雾设备的拍摄喷雾图像的拍摄灰度图像和拍摄HSV图像,并获取标准喷雾图像的标准灰度图像和标准HSV图像;
将拍摄HSV图像与标准HSV图像进行比较,从而确定拍摄HSV图像与标准HSV图像的颜色差异系数;
确定拍摄灰度图像的各个窗口区域,根据各个窗口区域中像素点的灰度值,确定各个窗口区域的雾气模糊指数;
根据拍摄灰度图像的尺寸、各个窗口区域的雾气模糊指数和颜色差异系数,对各个窗口区域进行筛选,确定各个目标窗口区域;
获取每个目标窗口区域在标准灰度图像中相同位置处的对比窗口区域,并根据各个对比窗口区域中像素点的灰度值,确定各个对比窗口区域的雾气模糊指数;
根据颜色差异系数、各个目标窗口区域的雾气模糊指数、以及各个对比窗口区域的雾气模糊指数,确定待检测喷雾设备的设备异常数值,并根据待检测喷雾设备的设备异常数值,确定待检测喷雾设备的工作状态;
确定各个目标窗口区域,包括:
根据拍摄灰度图像的尺寸、各个窗口区域的雾气模糊指数和颜色差异系数,确定喷雾稀疏特征值个数;
确定各个窗口区域的位置坐标,根据各个窗口区域的位置坐标,对各个窗口区域进行均匀分布筛选,筛选出与所述喷雾稀疏特征值个数相等数量的窗口区域,并将筛选出来的窗口区域作为目标窗口区域;
确定喷雾稀疏特征值个数对应的计算公式为:
其中,为喷雾稀疏特征值个数,为拍摄灰度图像的尺寸中的长度和宽度,为颜色差异系数,为第i个窗口区域的雾气模糊指数,为窗口区域的总数目,为取整函数,为累乘函数。
2.根据权利要求1所述的基于图像数据的畜禽养殖喷雾设备状态识别方法,其特征在于,确定各个窗口区域的雾气模糊指数,包括:
根据每个窗口区域中像素点的灰度值,确定每个窗口区域在各个设定方向下的灰度共生矩阵,并根据灰度共生矩阵中每个灰度值对及其对应的频率,确定每个窗口区域在各个设定方向下的对比度;
根据每个窗口区域在各个设定方向下的对比度,确定每个窗口区域的雾气模糊指数。
3.根据权利要求2所述的基于图像数据的畜禽养殖喷雾设备状态识别方法,其特征在于,确定每个窗口区域的雾气模糊指数,包括:
各个设定方向包括第一设定方向、第二设定方向、第三设定方向和第四设定方向,第一设定方向和第三设定方向垂直,第二设定方向和第四设定方向垂直;
根据每个窗口区域在第一设定方向和第三设定方向下的灰度共生矩阵的对比度,将两个对比度中的较小值与较大值的比值确定为第一比值;
根据每个窗口区域在第二设定方向和第四设定方向下的灰度共生矩阵的对比度,将两个对比度中的较小值与较大值的比值确定为第二比值;
将每个窗口区域对应的第一比值和第二比值的乘积值,确定为窗口区域的雾气模糊指数。
4.根据权利要求3所述的基于图像数据的畜禽养殖喷雾设备状态识别方法,其特征在于,
第一设定方向、第二设定方向、第三设定方向和第四设定方向对应的方向角度分别依次为
5.根据权利要求1所述的基于图像数据的畜禽养殖喷雾设备状态识别方法,其特征在于,确定待检测喷雾设备的设备异常数值对应的计算公式为:
其中,为待检测喷雾设备的设备异常数值,为颜色差异系数,为第i个目标窗口区域的雾气模糊指数,为第i个目标窗口区域对应的对比窗口区域的雾气模糊指数,为取绝对值函数,为目标窗口区域的总数目,为归一化函数。
6.根据权利要求1所述的基于图像数据的畜禽养殖喷雾设备状态识别方法,其特征在于,确定拍摄HSV图像与标准HSV图像的颜色差异系数,包括:
获取拍摄HSV图像与标准HSV图像中各个像素点对应的H通道值;
确定拍摄HSV图像中每个像素点在标准HSV图像中相同位置的对比像素点,并计算拍摄HSV图像中每个像素点与其对应的对比像素点的H通道值的差值绝对值;
计算拍摄HSV图像中所有像素点对应的差值绝对值的累加和,并对所述累加和进行归一化处理,将归一化处理后的结果确定为颜色差异系数。
7.根据权利要求1所述的基于图像数据的畜禽养殖喷雾设备状态识别方法,其特征在于,确定拍摄灰度图像的各个窗口区域,包括:
在拍摄灰度图像中构建设定边长的滑窗,并将滑窗按照设定步长进行移动,设定步长小于设定边长,将移动前后的每个滑窗内的区域作为一个窗口区域,从而得到拍摄灰度图像的各个窗口区域。
8.根据权利要求1所述的基于图像数据的畜禽养殖喷雾设备状态识别方法,其特征在于,确定待检测喷雾设备的工作状态,包括:
判断待检测喷雾设备的设备异常数值是否大于设定设备异常阈值,若大于设定设备异常阈值,则判定待检测喷雾设备为异常状态,否则判定待检测喷雾设备为正常状态。
CN202310171781.XA 2023-02-28 2023-02-28 基于图像数据的畜禽养殖喷雾设备状态识别方法 Active CN115861721B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310171781.XA CN115861721B (zh) 2023-02-28 2023-02-28 基于图像数据的畜禽养殖喷雾设备状态识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310171781.XA CN115861721B (zh) 2023-02-28 2023-02-28 基于图像数据的畜禽养殖喷雾设备状态识别方法

Publications (2)

Publication Number Publication Date
CN115861721A CN115861721A (zh) 2023-03-28
CN115861721B true CN115861721B (zh) 2023-05-05

Family

ID=85659155

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310171781.XA Active CN115861721B (zh) 2023-02-28 2023-02-28 基于图像数据的畜禽养殖喷雾设备状态识别方法

Country Status (1)

Country Link
CN (1) CN115861721B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116805313B (zh) * 2023-08-21 2023-12-01 山东大拇指喷雾设备有限公司 一种喷雾机喷头的缺陷检测方法
CN117422716B (zh) * 2023-12-19 2024-03-08 沂水友邦养殖服务有限公司 基于人工智能的肉鸡养殖生态预警方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109523480A (zh) * 2018-11-12 2019-03-26 上海海事大学 一种海雾图像的去雾方法、装置、计算机存储介质及终端
CN115409833A (zh) * 2022-10-28 2022-11-29 一道新能源科技(衢州)有限公司 基于反锐化掩模算法的光伏板的热斑缺陷检测方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20240067976A (ko) * 2017-03-01 2024-05-17 신에쓰 가가꾸 고교 가부시끼가이샤 용사 피막, 용사용 분말, 용사용 분말의 제조 방법, 및 용사 피막의 제조 방법
CN110610506B (zh) * 2019-09-17 2022-11-29 北京中环易达设施园艺科技有限公司 一种基于图像处理技术的姬松茸子实体生长参数检测方法
CN111516877A (zh) * 2020-05-25 2020-08-11 湖北同诚通用航空有限公司 一种直升机农药喷洒单位面积喷洒量控制调节系统及方法
CN114625114A (zh) * 2020-12-14 2022-06-14 河北农业大学 一种基于机器视觉的地面喷施系统行进路径规划方法
CN115496668A (zh) * 2021-06-18 2022-12-20 武汉Tcl集团工业研究院有限公司 图像处理方法、装置、电子设备及存储介质
CN115439346A (zh) * 2022-08-05 2022-12-06 北京航空航天大学 一种基于机载嵌入式fpga开发平台含雾图像去雾增强方法
CN115475267B (zh) * 2022-09-19 2023-12-01 上海莱陆科技有限公司 一种物表消毒设备的智能控制系统
CN115439494B (zh) * 2022-11-08 2023-01-31 山东大拇指喷雾设备有限公司 用于喷雾机质检的喷雾图像处理方法
CN115496693B (zh) * 2022-11-17 2023-04-07 南通鼎勇机械有限公司 基于暗通道算法的烧结火焰图像去烟雾方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109523480A (zh) * 2018-11-12 2019-03-26 上海海事大学 一种海雾图像的去雾方法、装置、计算机存储介质及终端
CN115409833A (zh) * 2022-10-28 2022-11-29 一道新能源科技(衢州)有限公司 基于反锐化掩模算法的光伏板的热斑缺陷检测方法

Also Published As

Publication number Publication date
CN115861721A (zh) 2023-03-28

Similar Documents

Publication Publication Date Title
CN115861721B (zh) 基于图像数据的畜禽养殖喷雾设备状态识别方法
Francis et al. Identification of leaf diseases in pepper plants using soft computing techniques
Wu et al. Detection and counting of banana bunches by integrating deep learning and classic image-processing algorithms
US20190114481A1 (en) Methods and systems for pattern characteristic detection
CN106778784B (zh) 基于机器视觉的猪个体识别与饮水行为分析方法
Ji et al. In-field automatic detection of maize tassels using computer vision
CN112598713A (zh) 一种基于深度学习的近岸海底鱼类检测、跟踪统计方法
CN107437068B (zh) 基于Gabor方向直方图和猪体毛发模式的猪个体识别方法
Xu et al. Recognition method for apple fruit based on SUSAN and PCNN
Lainez et al. Automated fingerlings counting using convolutional neural network
CN112257702A (zh) 一种基于增量学习的农作物病害识别方法
Samanta et al. Scab diseases detection of potato using image processing
CN108765448B (zh) 一种基于改进tv-l1模型的虾苗计数分析方法
CN118261488A (zh) 一种基于数字农场的智慧管理系统
CN111369497B (zh) 一种行走式树上果实连续计数方法及装置
CN117640898A (zh) 一种基于农业物联网技术的监控自适应调节方法
CN111428677B (zh) 无人机自动监测海上网箱养殖鱼类水面环游状态的方法
CN117253192A (zh) 用于桑蚕养殖的智能系统及方法
Ashok Kumar et al. A review on crop and weed segmentation based on digital images
Santhosh Kumar et al. Review on disease detection of plants using image processing and machine learning techniques
CN114943929B (zh) 基于图像融合技术的鱼类异常行为实时检测方法
CN109685815A (zh) 一种基于图像处理的玉米行间的路径规划方法
CN108830834A (zh) 一种爬索机器人视频缺陷信息自动提取方法
CN111144379B (zh) 基于图像技术的小鼠视动反应自动识别方法
CN111860038B (zh) 一种农作物前端识别装置及方法

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