CN117274265B - 基于图像的畜牧养殖中肉牛病理性脱毛跟踪方法及系统 - Google Patents
基于图像的畜牧养殖中肉牛病理性脱毛跟踪方法及系统 Download PDFInfo
- Publication number
- CN117274265B CN117274265B CN202311559918.5A CN202311559918A CN117274265B CN 117274265 B CN117274265 B CN 117274265B CN 202311559918 A CN202311559918 A CN 202311559918A CN 117274265 B CN117274265 B CN 117274265B
- Authority
- CN
- China
- Prior art keywords
- dehairing
- beef cattle
- area
- contour line
- rgb value
- 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
- 241000283690 Bos taurus Species 0.000 title claims abstract description 140
- 235000015278 beef Nutrition 0.000 title claims abstract description 127
- 230000001575 pathological effect Effects 0.000 title claims abstract description 33
- 238000009395 breeding Methods 0.000 title claims abstract description 18
- 230000001488 breeding effect Effects 0.000 title claims abstract description 18
- 244000144972 livestock Species 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 title claims abstract description 14
- 230000037308 hair color Effects 0.000 claims description 10
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000009304 pastoral farming Methods 0.000 claims 4
- 208000015181 infectious disease Diseases 0.000 abstract description 3
- 210000004209 hair Anatomy 0.000 description 5
- 208000003251 Pruritus Diseases 0.000 description 4
- 206010063409 Acarodermatitis Diseases 0.000 description 3
- 201000004384 Alopecia Diseases 0.000 description 3
- 241000447727 Scabies Species 0.000 description 3
- 208000024963 hair loss Diseases 0.000 description 3
- 230000003676 hair loss Effects 0.000 description 3
- 230000007803 itching Effects 0.000 description 3
- 244000045947 parasite Species 0.000 description 3
- 208000005687 scabies Diseases 0.000 description 3
- 206010061218 Inflammation Diseases 0.000 description 2
- 230000002951 depilatory effect Effects 0.000 description 2
- 230000004054 inflammatory process Effects 0.000 description 2
- 235000013372 meat Nutrition 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241000238876 Acari Species 0.000 description 1
- 208000002720 Malnutrition Diseases 0.000 description 1
- 241001674048 Phthiraptera Species 0.000 description 1
- 244000052616 bacterial pathogen Species 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000001071 malnutrition Effects 0.000 description 1
- 235000000824 malnutrition Nutrition 0.000 description 1
- 235000013622 meat product Nutrition 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 208000015380 nutritional deficiency disease Diseases 0.000 description 1
- 230000003071 parasitic effect Effects 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000000384 rearing effect Effects 0.000 description 1
- 206010040872 skin infection Diseases 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- 230000004584 weight gain Effects 0.000 description 1
- 235000019786 weight gain Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/70—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in livestock or poultry
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种基于图像的畜牧养殖中肉牛病理性脱毛跟踪方法及系统，涉及图像处理技术领域，获取肉牛的两侧部分的图像信息，其中所述图像信息为肉牛侧面的全景图像信息；根据所述图像信息确定出所述肉牛出现脱毛的位置区域；将相邻两次获取图像进行边缘比较确定脱毛区域的变化趋势实现对肉牛病理性脱毛的跟踪。根据获取的肉牛的两侧部分的图像信息确定出出现脱毛的脱毛区域，后续继续对肉牛的脱毛区域的图像定期获取，进行比对确定脱毛区域的轮廓变化，进而确定出脱毛区域的变化情况，如果出现脱毛区域出现恶化，则人工进行干预治疗，降低因脱毛导致脱毛处感染的风险，保证肉牛的正常生长。
Description
技术领域
本申请涉及图像处理技术领域，具体涉及一种基于图像的畜牧养殖中肉牛病理性脱毛跟踪方法及系统。
背景技术
肉牛即肉用牛，是一类以生产牛肉为主的牛。特点是体躯丰满、增重快、饲料利用率高、产肉性能好，肉质口感好。肉牛不仅为人们提供肉用品，还为人们提供其他副食品。但是在肉牛养殖过程中，由于饲养不科学或皮肤感染病菌会出现病理性脱毛，病理性脱毛对肉牛的生长造成严重的影响。
肉牛病理性脱毛一般是以下原因：营养不良是导致牛脱毛的主要原因之一。牛需要摄取足够的蛋白质、维生素和矿物质等营养物质来维持健康的毛发和身体。如果牛的饲料不足或者缺乏必要的营养物质，就会导致牛的毛发变得稀疏和脆弱，最终脱落。疥螨是一种常见的牛皮肤病原体，它会导致牛出现皮肤瘙痒和脱毛等症状。如果牛长期处于潮湿和不洁的环境中，就容易感染疥螨。疥螨会在牛的皮肤上产生刺激性的化学物质，导致牛出现瘙痒和炎症反应，最终导致毛发脱落。寄生虫也是导致牛脱毛的原因之一。如果牛身上寄生了虱子、蜱虫等寄生虫，就会导致牛出现皮肤瘙痒和脱毛等症状。寄生虫会在牛的皮肤上产生刺激性的化学物质，导致牛出现瘙痒和炎症反应，最终导致毛发脱落。
一般情况下肉牛局部出现脱毛很难被发现，随着时间的推移脱毛处面积会逐渐增大，尤其是后两种原因导致的脱毛会出现脱毛处感染的风险，从而严重影响肉牛的生长。因此，如何实现对肉牛病理性脱毛及时发现是本领域亟待解决的技术问题。
发明内容
本申请为了解决上述技术问题，提出了如下技术方案：
第一方面，本申请实施例提供了一种基于图像的畜牧养殖中肉牛病理性脱毛跟踪方法，包括：
获取肉牛的两侧部分的图像信息，其中所述图像信息为肉牛侧面的全景图像信息；
根据所述图像信息确定出所述肉牛出现脱毛的位置区域；
将相邻两次获取图像进行边缘比较确定脱毛区域的变化趋势实现对肉牛病理性脱毛的跟踪。
在一种可能的实现方式中，获取肉牛的两侧部分的图像信息，包括：
将肉牛通过单行通过引导进入到拍摄区；
然后对肉牛两侧的区域以虚拟网格进行划分；
对所述虚拟网格确定出多个子拍摄区，不同子拍摄区对应肉牛的不同身体区域且不重叠；
将不同所述子拍摄区拍摄的肉牛图像进行拼接获得肉牛两侧的平面图像。
在一种可能的实现方式中，根据所述图像信息确定出所述肉牛出现脱毛的位置区域，包括：
根据当前肉牛的正常毛色确定出一个标准RGB值；
通过所述标准RGB值与所述平面图像中的每个像素的RGB值进行比对；
当所述RGB值发生变化时，以当前像素点向四周进行扩展比较，直至RGB值与所述标准RGB值相同时停止比较，获得RGB值与正常毛色不同的区域作为肉牛脱毛区域。
在一种可能的实现方式中，所述将相邻两次获取图像进行边缘比较确定脱毛区域的变化趋势实现对肉牛病理性脱毛的跟踪，包括：
根据第一次确定的肉牛脱毛区域确定出脱毛区域的第一轮廓线；
根据所述第一轮廓线的位置确定出第二次获取的平面图像中的第二轮廓线；
将所述第一轮廓线与第二轮廓线上的像素进行比较确定第一RGB差值；
如果所述第一RGB差值为0，则获取所述脱毛区域外侧与所述第二轮廓线相邻的第三轮廓线，比较所述第一轮廓线与第三轮廓线上的像素第二RGB差值；
或者，
如果所述第一RGB差值不为0，则确定所述第二轮廓线上的像素RGB值与所述标准RGB值的第三RGB差值；
通过所述第二RGB差值或所述第三RGB差值确定所述脱毛区域变化趋势。
在一种可能的实现方式中，通过所述第二RGB差值确定所述脱毛区域变化趋势，包括：
如果所述第二RGB差值为0，则所述脱毛区域变大；
或者，如果所述第二RGB差值不为0，则将所述第三轮廓线上的像素值与所述标准RGB值进行比较，如果差值为0，则所述脱毛区域没有变化；否则，所述脱毛区域变大。
在一种可能的实现方式中，通过第三RGB差值确定所述脱毛区域变化趋势，包括：
如果所述第三RGB差值为0，则所述脱毛区域变小；
或者，如果所述第三RGB差值不为0，则获取所述脱毛区域外侧与所述第二轮廓线相邻的第三轮廓线和所述脱毛区域内侧与所述第二轮廓线相邻的第四轮廓线，根据所述第三轮廓线上的第一像素RGB值和所述第四轮廓线上的第二像素RGB值对脱毛区域变化趋势进行确定。
在一种可能的实现方式中，如果所述第一像素RGB值与所述标准RGB值差值为0，且所述第二像素RGB值与所述第一轮廓线上的像素RGB值差值为0或差值小于第一轮廓线上的像素RGB值与标准RGB值差值，则所述脱毛区域开始变小；
或者，
如果所述第一像素RGB值与所述标准RGB值差值不为0 ，则所述脱毛区域开始变大。
在一种可能的实现方式中，如果所述第二轮廓线中部分向内侧收敛，其余部分轮廓线不变，则所述脱毛区域变小；或者，如果所述第二轮廓线中部分向内侧收敛，其余部分轮廓线向外扩散，则比较收敛部分轮廓线与扩散部分轮廓线的长度对脱毛区域进行确定。
在一种可能的实现方式中，如果判断所述脱毛区域变小，则沿着确定出的轮廓线向轮廓线内搜索，直至确定出像素RGB值与标准RGB值差值不为0的一系列第一像素点，通过所述第一像素点组成第五轮廓线，将所述第五轮廓线作为下一次比对的基准轮廓线；
或者，如果判断所述脱毛区域变大，则沿着确定出的轮廓线向轮廓线外搜索，直至确定出像素RGB值与标准RGB值差值为0的一系列第二像素点，然后以第二像素点为起点向轮廓线方向移动一个像素点步长，获得一系列第三像素点，通过所述第三像素点组成第六轮廓线，将所述第六轮廓线作为下一次比对的基准轮廓线。
第二方面，本申请实施例提供了一种基于图像的畜牧养殖中肉牛病理性脱毛跟踪系统，包括：
获取模块，用于获取肉牛的两侧部分的图像信息，其中所述图像信息为肉牛侧面的全景图像信息；
确定模块，用于根据所述图像信息确定出所述肉牛出现脱毛的位置区域；
跟踪模块，用于将相邻两次获取图像进行边缘比较确定脱毛区域的变化趋势实现对肉牛病理性脱毛的跟踪。
在本申请实施例中，根据获取的肉牛的两侧部分的图像信息确定出出现脱毛的脱毛区域，后续继续对肉牛的脱毛区域的图像定期获取，进行比对确定脱毛区域的轮廓变化，进而确定出脱毛区域的变化情况，如果出现脱毛区域出现恶化，则人工进行干预治疗，降低因脱毛导致脱毛处感染的风险，保证肉牛的正常生长。
附图说明
图1为本申请实施例提供的一种基于图像的畜牧养殖中肉牛病理性脱毛跟踪方法的流程示意图；
图2为本申请实施例提供的一种肉牛单行通道示意图；
图3为本申请实施例提供的子拍摄区域划分示意图；
图4为本申请实施例提供的肉牛脱毛区域示意图；
图5为本申请实施例提供的一种基于图像的畜牧养殖中肉牛病理性脱毛跟踪系统的示意图。
具体实施方式
下面结合附图与具体实施方式对本方案进行阐述。
参见图1，本申请实施例提供的基于图像的畜牧养殖中肉牛病理性脱毛跟踪方法，包括：
S101，获取肉牛的两侧部分的图像信息，其中所述图像信息为肉牛侧面的全景图像信息。
肉牛饲养中，一般多头肉牛饲养在一个牛舍中，而且肉牛还会存在部分处于卧姿休息，这样就无法对肉牛两侧部分的图像进行获取。因此本实施例中，对肉牛两侧部分图像进行获取需要采取一个单行引导通道，如图2所示，在肉牛需要进食时，将肉牛从休息区引导至进食区，而且每次只允许一头肉牛通过，此时肉牛的两侧是不存在其他肉牛的遮挡，此时进行图像的拍摄。
由于肉牛两侧的身体是属于一个弧面状，如果采用一个摄像机进行一次拍摄，则可能对肉牛的脱毛区域范围无法准确把控。本实施例中，在将肉牛通过单行通过引导进入到拍摄区后，对肉牛两侧的区域以虚拟网格进行划分；对所述虚拟网格确定出多个子拍摄区，不同子拍摄区对应肉牛的不同身体区域且不重叠，如图3所示。本实施例中通过虚拟网格划分出的每个子拍摄区对应的肉牛身体表面近似看做一个小的平面，因此每个子拍摄区出来的图像都是最大程度展现肉牛身体表面的身体状况，最后将不同所述子拍摄区拍摄的肉牛图像进行拼接获得肉牛两侧的平面图像。
S102，根据所述图像信息确定出所述肉牛出现脱毛的位置区域。
本实施例中以纯色肉牛为研究对象，如图3中，肉牛脱毛位置颜色会比较浅，而有毛的位置颜色是比较深的，因此两处图像的像素RGB值是不一样的，脱毛区域的图像像素RGB值是大于正常没有脱毛位置的图像像素RGB值。
本实施例中首先根据当前肉牛的正常毛色确定出一个标准RGB值，通过所述标准RGB值与所述平面图像中的每个像素的RGB值进行比对。当所述RGB值发生变化时，以当前像素点向四周进行扩展比较，直至RGB值与所述标准RGB值相同时停止比较，获得RGB值与正常毛色不同的区域作为肉牛脱毛区域。
如图4所示，以方形区域作为肉牛侧面的图像，通过像素RGB值比对，确定出了A区域的像素值与标准RGB值不同，则将区域A作为脱毛区域。
S103，将相邻两次获取图像进行边缘比较确定脱毛区域的变化趋势实现对肉牛病理性脱毛的跟踪。
在第一次确定出肉牛的脱毛区域后，根据第一次确定的肉牛脱毛区域确定出脱毛区域的第一轮廓线，以图4为例，围成A区域的边界线即为第一轮廓线。根据所述第一轮廓线的位置确定出第二次获取的平面图像中的第二轮廓线，将所述第一轮廓线与第二轮廓线上的像素进行比较确定第一RGB差值。
第一种情况，如果所述第一RGB差值为0，说明肉牛的脱毛状况没有好转，可能保持不变或者脱毛区域扩大，此时获取所述脱毛区域外侧与所述第二轮廓线相邻的第三轮廓线，比较所述第一轮廓线与第三轮廓线上的像素第二RGB差值。
具体地，通过所述第二RGB差值确定所述脱毛区域变化趋势，包括：如果所述第二RGB差值为0，说明第二次获取的图像中的脱毛区域在第一次的基础上向外扩散，脱毛区域变大。
如果所述第二RGB差值不为0，则存在两种情况。此时将第三轮廓线上的像素值与所述标准RGB值进行比较，如果差值为0，则说明此时第三轮廓线位置是没有脱毛的，脱毛区域没有变化。另一种情况就是差值不为0，就说明此时第三轮廓线位置的毛色已经和正常毛色出现差别，可能存在牛毛变的稀疏，则说明脱毛区域在变大。
第二种情况，如果所述第一RGB差值不为0，则确定所述第二轮廓线上的像素RGB值与所述标准RGB值的第三RGB差值。
具体地，通过第三RGB差值确定所述脱毛区域变化趋势，包括：
如果所述第三RGB差值为0，则说明第二次获取的图像中，肉牛原始脱毛区域边缘处生出了牛毛，此时所述脱毛区域变小。但是，如果所述第三RGB差值不为0，说明第二轮廓线位置对应的肉牛皮肤不属于正常状态，为了进一步确定脱毛区域变化情况，则获取所述脱毛区域外侧与所述第二轮廓线相邻的第三轮廓线和所述脱毛区域内侧与所述第二轮廓线相邻的第四轮廓线，根据所述第三轮廓线上的第一像素RGB值和所述第四轮廓线上的第二像素RGB值对脱毛区域变化趋势进行确定。
如果所述第一像素RGB值与所述标准RGB值差值为0，说明脱毛区域没有进一步扩大恶化。进一步地，如果所述第二像素RGB值与所述第一轮廓线上的像素RGB值差值为0或者差值小于第一轮廓线上的像素RGB值与标准RGB值差值，说明肉牛的脱毛区域正在向好的方向发展，区域开始变小。
另一种情况，如果如果所述第一像素RGB值与所述标准RGB值差值不为0，则说明脱毛区域在变大，不需要对比较第四轮廓线上的第二像素RGB值。
需要指出的是，本实施例中如果所述第二轮廓线中部分向内侧收敛，其余部分轮廓线不变，则所述脱毛区域变小。如果所述第二轮廓线中部分向内侧收敛，相反地，其余部分轮廓线向外扩散，则比较收敛部分轮廓线与扩散部分轮廓线的长度对脱毛区域进行确定。如果扩散部分轮廓线的长度大于收敛部分轮廓线长度，则说明肉牛脱毛区域部分开始好转，但是相邻其他位置又开始脱毛。
上述实施例中，总体对脱毛区域的变化进行了确定。对于确定出脱毛区域变化趋势后，还需要确定出当前的脱毛区域边界线，以方面为下一次比较脱毛区域的变化。本实施例中分别根据脱毛区域变小和脱毛区域变大两种情况进行确定新的基准轮廓线，作为下一次比较的对照。
如果判断所述脱毛区域变小，则沿着确定出的轮廓线向轮廓线内搜索，直至确定出像素RGB值与标准RGB值差值不为0的一系列第一像素点，通过所述第一像素点组成第五轮廓线，将所述第五轮廓线作为下一次比对的基准轮廓线。
如果判断所述脱毛区域变大，则沿着确定出的轮廓线向轮廓线外搜索，直至确定出像素RGB值与标准RGB值差值为0的一系列第二像素点，此时第二像素点组成的轮廓线是不属于脱毛区域的。因此以第二像素点为起点向轮廓线方向移动一个像素点步长，获得一系列第三像素点，可以确定地，第三像素点的RGB值与标准RGB值差值不为0，通过所述第三像素点组成第六轮廓线，将所述第六轮廓线作为下一次比对的基准轮廓线。
与上述实施例提供的一种基于图像的畜牧养殖中肉牛病理性脱毛跟踪方法相对应，本申请还提供了一种基于图像的畜牧养殖中肉牛病理性脱毛跟踪系统的实施例。
参见图5，基于图像的畜牧养殖中肉牛病理性脱毛跟踪系统20，包括：
获取模块201，用于获取肉牛的两侧部分的图像信息，其中所述图像信息为肉牛侧面的全景图像信息；
确定模块202，用于根据所述图像信息确定出所述肉牛出现脱毛的位置区域；
跟踪模块203，用于将相邻两次获取图像进行边缘比较确定脱毛区域的变化趋势实现对肉牛病理性脱毛的跟踪。
本申请实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示单独存在A、同时存在A和B、单独存在B的情况。其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项”及其类似表达，是指的这些项中的任意组合，包括单项或复数项的任意组合。例如，a，b和c中的至少一项可以表示：a, b, c, a-b,a-c, b-c,或a-b-c，其中a, b, c可以是单个，也可以是多个。
以上所述，仅为本申请的具体实施方式，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。本申请的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种基于图像的畜牧养殖中肉牛病理性脱毛跟踪方法，其特征在于，包括：
获取肉牛的两侧部分的图像信息，其中所述图像信息为肉牛侧面的全景图像信息；
获取肉牛的两侧部分的图像信息，包括：
将肉牛通过单行通过引导进入到拍摄区；
然后对肉牛两侧的区域以虚拟网格进行划分；
对所述虚拟网格确定出多个子拍摄区，不同子拍摄区对应肉牛的不同身体区域且不重叠；
将不同所述子拍摄区拍摄的肉牛图像进行拼接获得肉牛两侧的平面图像；
根据所述图像信息确定出所述肉牛出现脱毛的位置区域，包括：
根据当前肉牛的正常毛色确定出一个标准RGB值；
通过所述标准RGB值与所述平面图像中的每个像素的RGB值进行比对；
当所述RGB值发生变化时，以当前像素点向四周进行扩展比较，直至RGB值与所述标准RGB值相同时停止比较，获得RGB值与正常毛色不同的区域作为肉牛脱毛区域；
将相邻两次获取图像进行边缘比较确定脱毛区域的变化趋势实现对肉牛病理性脱毛的跟踪。
2.根据权利要求1所述的基于图像的畜牧养殖中肉牛病理性脱毛跟踪方法，其特征在于，所述将相邻两次获取图像进行边缘比较确定脱毛区域的变化趋势实现对肉牛病理性脱毛的跟踪，包括：
根据第一次确定的肉牛脱毛区域确定出脱毛区域的第一轮廓线；
根据所述第一轮廓线的位置确定出第二次获取的平面图像中的第二轮廓线；
将所述第一轮廓线与第二轮廓线上的像素进行比较确定第一RGB差值；
如果所述第一RGB差值为0，则获取所述脱毛区域外侧与所述第二轮廓线相邻的第三轮廓线，比较所述第一轮廓线与第三轮廓线上的像素第二RGB差值；
或者，
如果所述第一RGB差值不为0，则确定所述第二轮廓线上的像素RGB值与所述标准RGB值的第三RGB差值；
通过所述第二RGB差值或所述第三RGB差值确定所述脱毛区域变化趋势。
3.根据权利要求2所述的基于图像的畜牧养殖中肉牛病理性脱毛跟踪方法，其特征在于，通过所述第二RGB差值确定所述脱毛区域变化趋势，包括：
如果所述第二RGB差值为0，则所述脱毛区域变大；
或者，如果所述第二RGB差值不为0，则将所述第三轮廓线上的像素值与所述标准RGB值进行比较，如果差值为0，则所述脱毛区域没有变化；否则，所述脱毛区域变大。
4.根据权利要求2所述的基于图像的畜牧养殖中肉牛病理性脱毛跟踪方法，其特征在于，通过第三RGB差值确定所述脱毛区域变化趋势，包括：
如果所述第三RGB差值为0，则所述脱毛区域变小；
或者，如果所述第三RGB差值不为0，则获取所述脱毛区域外侧与所述第二轮廓线相邻的第三轮廓线和所述脱毛区域内侧与所述第二轮廓线相邻的第四轮廓线，根据所述第三轮廓线上的第一像素RGB值和所述第四轮廓线上的第二像素RGB值对脱毛区域变化趋势进行确定。
5.根据权利要求4所述的基于图像的畜牧养殖中肉牛病理性脱毛跟踪方法，其特征在于，如果所述第一像素RGB值与所述标准RGB值差值为0，且所述第二像素RGB值与所述第一轮廓线上的像素RGB值差值为0或差值小于第一轮廓线上的像素RGB值与标准RGB值差值，则所述脱毛区域开始变小；
或者，
如果所述第一像素RGB值与所述标准RGB值差值不为0 ，则所述脱毛区域开始变大。
6.根据权利要求2-5任一项所述的基于图像的畜牧养殖中肉牛病理性脱毛跟踪方法，其特征在于，如果所述第二轮廓线中部分向内侧收敛，其余部分轮廓线不变，则所述脱毛区域变小；或者，如果所述第二轮廓线中部分向内侧收敛，其余部分轮廓线向外扩散，则比较收敛部分轮廓线与扩散部分轮廓线的长度对脱毛区域进行确定。
7.根据权利要求6所述的基于图像的畜牧养殖中肉牛病理性脱毛跟踪方法，其特征在于，如果判断所述脱毛区域变小，则沿着确定出的轮廓线向轮廓线内搜索，直至确定出像素RGB值与标准RGB值差值不为0的一系列第一像素点，通过所述第一像素点组成第五轮廓线，将所述第五轮廓线作为下一次比对的基准轮廓线；
或者，如果判断所述脱毛区域变大，则沿着确定出的轮廓线向轮廓线外搜索，直至确定出像素RGB值与标准RGB值差值为0的一系列第二像素点，然后以第二像素点为起点向轮廓线方向移动一个像素点步长，获得一系列第三像素点，通过所述第三像素点组成第六轮廓线，将所述第六轮廓线作为下一次比对的基准轮廓线。
8.一种基于图像的畜牧养殖中肉牛病理性脱毛跟踪系统，其特征在于，包括：
获取模块，用于获取肉牛的两侧部分的图像信息，其中所述图像信息为肉牛侧面的全景图像信息；
获取肉牛的两侧部分的图像信息，包括：
将肉牛通过单行通过引导进入到拍摄区；
然后对肉牛两侧的区域以虚拟网格进行划分；
对所述虚拟网格确定出多个子拍摄区，不同子拍摄区对应肉牛的不同身体区域且不重叠；
将不同所述子拍摄区拍摄的肉牛图像进行拼接获得肉牛两侧的平面图像；
确定模块，用于根据所述图像信息确定出所述肉牛出现脱毛的位置区域，包括：
根据当前肉牛的正常毛色确定出一个标准RGB值；
通过所述标准RGB值与所述平面图像中的每个像素的RGB值进行比对；
当所述RGB值发生变化时，以当前像素点向四周进行扩展比较，直至RGB值与所述标准RGB值相同时停止比较，获得RGB值与正常毛色不同的区域作为肉牛脱毛区域；
跟踪模块，用于将相邻两次获取图像进行边缘比较确定脱毛区域的变化趋势实现对肉牛病理性脱毛的跟踪。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311559918.5A CN117274265B (zh) | 2023-11-22 | 2023-11-22 | 基于图像的畜牧养殖中肉牛病理性脱毛跟踪方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311559918.5A CN117274265B (zh) | 2023-11-22 | 2023-11-22 | 基于图像的畜牧养殖中肉牛病理性脱毛跟踪方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117274265A CN117274265A (zh) | 2023-12-22 |
| CN117274265B true CN117274265B (zh) | 2024-02-02 |
Family
ID=89201283
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311559918.5A Active CN117274265B (zh) | 2023-11-22 | 2023-11-22 | 基于图像的畜牧养殖中肉牛病理性脱毛跟踪方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117274265B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120058238A (ko) * | 2010-11-29 | 2012-06-07 | (주) 아베끄소프트 | 안면 인식을 이용한 영상 아카이빙 방법 및 시스템 |
| CN110189338A (zh) * | 2019-05-31 | 2019-08-30 | 北京丰禾协创科技有限公司 | 一种基于数字图像原理的脱发种植区域面积测量系统 |
| CN114627179A (zh) * | 2022-03-24 | 2022-06-14 | 北京雍禾医疗投资管理有限公司 | 毛囊种植区域面积计算方法及系统 |
| CN115424240A (zh) * | 2022-08-19 | 2022-12-02 | 南威软件股份有限公司 | 一种地面障碍物检测方法、系统、介质、设备及终端 |
-
2023
- 2023-11-22 CN CN202311559918.5A patent/CN117274265B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120058238A (ko) * | 2010-11-29 | 2012-06-07 | (주) 아베끄소프트 | 안면 인식을 이용한 영상 아카이빙 방법 및 시스템 |
| CN110189338A (zh) * | 2019-05-31 | 2019-08-30 | 北京丰禾协创科技有限公司 | 一种基于数字图像原理的脱发种植区域面积测量系统 |
| CN114627179A (zh) * | 2022-03-24 | 2022-06-14 | 北京雍禾医疗投资管理有限公司 | 毛囊种植区域面积计算方法及系统 |
| CN115424240A (zh) * | 2022-08-19 | 2022-12-02 | 南威软件股份有限公司 | 一种地面障碍物检测方法、系统、介质、设备及终端 |
Non-Patent Citations (4)
| Title |
|---|
| 刘关松,徐建国,高敦岳.舌图像自动分割方法.计算机工程.2003,(第12期),全文. * |
| 加依娜尔・喀别尼 ; .肉牛常见皮肤病的发病特点、临床症状与防治措施.现代畜牧科技.2017,(第06期),全文. * |
| 肉牛常见皮肤病的发病特点、临床症状与防治措施;加依娜尔・喀别尼;;现代畜牧科技(第06期);全文 * |
| 舌图像自动分割方法;刘关松, 徐建国, 高敦岳;计算机工程(第12期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117274265A (zh) | 2023-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yang et al. | An automatic recognition framework for sow daily behaviours based on motion and image analyses | |
| Li et al. | Analysis of feeding and drinking behaviors of group-reared broilers via image processing | |
| EA201890099A1 (ru) | Система и способ идентификации отдельных животных на основе изображений спины | |
| Francesch et al. | Effects of an experimental phytase on performance, egg quality, tibia ash content and phosphorus bioavailability in laying hens fed on maize-or barley-based diets | |
| Riddle et al. | Space use by 4 strains of laying hens to perch, wing flap, dust bathe, stand and lie down | |
| CN117274265B (zh) | 基于图像的畜牧养殖中肉牛病理性脱毛跟踪方法及系统 | |
| US20200202511A1 (en) | System and method to analyse an animal's image for market value determination | |
| Younis et al. | Meta-analysis of transcriptional responses to mastitis-causing Escherichia coli | |
| Li et al. | Effects of feeder space on broiler feeding behaviors | |
| Kirchner et al. | Individual calling to the feeding station can reduce agonistic interactions and lesions in group housed sows | |
| Leitner et al. | Clinical and subclinical intrammamay infection caused by coagulase negative staphylococci negatively affect milk yield and its quality in dairy sheep | |
| Buijs et al. | Assessing attraction or avoidance between rabbits: comparison of distance-based methods to analyse spatial distribution | |
| Kerby et al. | Reproductive phenology of large mammals | |
| Nielsen et al. | A study of duration of digital dermatitis lesions after treatment in a Danish dairy herd | |
| CN108171368B (zh) | 一种奶牛存栏结构预测方法 | |
| Chauhan et al. | Impact of heat stress on ruminant livestock production and meat quality, and strategies for amelioration | |
| Plascencia et al. | Influence of supplemental tocopherol level (0, 250 and 500 IU RRR-α-tocopherol/d/steer) and injectable retinol form (retinyl propionate vs retinyl palmitate) on growth performance, carcass characteristics and plasma concentration in calf-fed Holstein steers | |
| Shimokomaki et al. | Animal welfare and meat quality: methodologies to reduce pre-slaughter stress in broiler chicken | |
| Poelman et al. | Consistent feeding positions of great tit parents | |
| CN112884761A (zh) | 水产经济动物头部识别方法、终端设备及可读存储介质 | |
| Yu et al. | Optimal harvest time in continuous aquacultural production: The case of nonhomogeneous production cycles | |
| Jespersen et al. | Anatomical distribution and gross pathology of wounds in necropsied farmed mink (Neovison vison) from June and October | |
| Johnsen et al. | Effect of debonding on stress indicators in cow and calf in a cow-calf contact system | |
| Sedilo et al. | Methods of selection and characteristics of productive traits of Ukrainian Carpathian mountain sheep | |
| de Oliveira et al. | Estimation of genetic parameters and inbreeding depression in Piau breed pigs |
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 |