CN217637612U - 一种用于获取肉鹅体尺特征及体重测量的装置 - Google Patents
一种用于获取肉鹅体尺特征及体重测量的装置 Download PDFInfo
- Publication number
- CN217637612U CN217637612U CN202220417901.0U CN202220417901U CN217637612U CN 217637612 U CN217637612 U CN 217637612U CN 202220417901 U CN202220417901 U CN 202220417901U CN 217637612 U CN217637612 U CN 217637612U
- Authority
- CN
- China
- Prior art keywords
- meat
- weight
- goose
- dynamic weighing
- weighing platform
- 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
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供了一种用于获取肉鹅体尺特征及体重测量的装置，微型计算机连接超高频RFID读写器、动态称重平台和深度相机，将肉鹅的深度图像和经过处理的体重信息传送给工业电脑，工业电脑对肉鹅的深度图像进行处理，获取对应的体尺特征，建立体尺数据与体重数据的数据集，并记录到肉鹅的数据库中，通过对肉鹅的体尺特征与体重两者的数据处理、分析，实现通过肉鹅的体尺特征预测其体重，对肉鹅的选种、育种提供重要参考，推动肉鹅相关产业的发展。
Description
技术领域
本发明属于肉鹅养殖技术领域，具体的是一种用于获取肉鹅体尺特征及体重测量的装置。
背景技术
肉鹅产业是我国农业中十分重要的支柱产业之一，据不完全统计，我国每年肉鹅出栏量约占世界总量的90％，是世界第一产鹅大国。近10年来,随着工业化水平提高,肉鹅产业也在逐步发展，但仍存在诸多问题，主要有：传统肉鹅繁殖效率低下、肉鹅饲料的营养配比难以通过肉鹅的体重变化来掌握和肉鹅体尺与体重难以准确测量导致的市场交易差额大等。通过调查，我们发现肉鹅的体尺数据、体重数据不仅反映了不同时期肉鹅的不同生长状态，而且还与肉鹅的健康状况、寿命长短及繁殖能力有很大的关系，是衡量肉鹅生长发育的重要指标，也是市场交易价格的重要参考依据。传统称量肉鹅体重主要是人为驱赶和强制抓取，这些方法对于生性敏感的鹅来说，会造成刺激，对种鹅的繁殖性能造成影响，甚至造成对肉鹅的过度惊吓，严重时可能造成肉鹅的心情不畅而死亡。
发明内容
本发明提供了一种用于获取肉鹅体尺特征及体重测量的装置，可以无接触获取肉鹅的体尺特征及测量肉鹅的体重，方便养鹅场的养殖管理。
本发明解决上述技术问题采用的技术方案为：
一种用于获取肉鹅体尺特征及体重测量的装置，包括：
动态称重平台，用于测量行走在所述动态称重平台上的肉鹅的体重；
深度相机，所述深度相机设置在动态称重平台的两侧，用于拍摄及获取肉鹅的深度图像；RFID识别模块，包括设置在每一只肉鹅身上的RFID标签，以及固定于动态称重平台上方的超高频RFID读写器；所述RFID标签用于标识每一只肉鹅的身份信息，所述超高频RFID读写器用于读取动态称重平台上肉鹅的身份信息；
数据处理终端，包括工业电脑和微型计算机，所述微型计算机连接动态称重平台、深度相机和超高频RFID读写器，将肉鹅的深度图像和体重信息传送给工业电脑，所述工业电脑对肉鹅的进行深度图像处理，获取对应的体尺特征，建立体重预测模型，通过对肉鹅的体尺特征与体重两者的数据处理、分析，实现通过肉鹅的体尺特征预测其体重。
进一步地，所述动态称重平台包括主控板、A/D转换模块和高精度应变片式压力传感器；所述高精度应变片式压力传感器设置在动态称重平台的下端，当肉鹅站立在动态称重平台上时，压力传感器发生形变引起电压变化，A/D转换模块将该电压变化转换成电信号传递给主控板，主控板通过滤波算法处理实现动态称重。
进一步地，所述主控板采用STC89C58单片机。
进一步地，所述滤波算法为卡尔曼滤波算法。
进一步地，所述微型计算机采用raspberry pi，通过ftp协议传输数据给工业电脑，实现数据回传，远程实时显示肉鹅动态体重，使整个系统的一体化。
进一步地，所述深度相机采用英特尔的RealSense D435深度相机。
进一步地，还包括设置在动态称重平台两端的遮光挡板，所述遮光挡板由黑色亚克力板加工制作而成，减少深度相机获取深度图像时的图像背景噪声。
进一步地，通过对肉鹅的体尺特征与体重两者的数据处理、分析，选用多元线性回归、RBF神经网络、偏最小二乘法建立体重预测模型。
与现有技术相比，本发明的有益效果为：
1、微型计算机连接超高频RFID读写器、动态称重平台和深度相机，将每只肉鹅编号，分别将不同肉鹅的深度图像和经过处理的体重信息回传给工业电脑，工业电脑对肉鹅的深度图像进行处理，获取对应的体尺特征，建立体尺数据与体重数据的数据集，并记录到肉鹅的数据库中，建立体重预测模型，通过对肉鹅的体尺特征与体重两者的数据处理、分析，实现通过肉鹅的体尺特征预测其体重，对肉鹅的选种、育种提供重要参考，推动肉鹅相关产业的发展。
2、动态称重装置两侧与顶部均设有深度相机，三机位动态拍摄，方便获取完整且姿态统一的肉鹅三维深度图像，这样获取到的图像方便进行拼接处理，为后续肉鹅三维模型的建立带来了极大的便利。
3、遮光挡板可以根据环境变化，折叠调节遮光范围，有效的减少深度图像的背景噪声。
附图说明
图1为本发明一种用于获取肉鹅体尺特征及体重测量的装置的结构示意图；
图中，1、深度相机，2、动态称重平台，3、高精度应变片式压力传感器，4、超高频RFID读写器，5、工业电脑、6、微型计算机，7、主控板，8、遮光挡板。
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。
一种用于获取肉鹅体尺特征及体重测量的装置，包括：
动态称重平台2，用于测量行走在所述动态称重平台2上的肉鹅的体重。
深度相机1，所述深度相机1设置在动态称重平台2的两侧，用于拍摄及获取肉鹅的深度图像。
RFID识别模块，包括设置在每一只肉鹅身上的RFID标签，以及固定于动态称重平台2上方的超高频RFID读写器4。所述RFID标签用于标识每一只肉鹅的身份信息，所述超高频RFID读写器4用于读取动态称重平台2上肉鹅的身份信息，并与微型计算机进行串口通信。
数据处理终端，包括工业电脑5和微型计算机6，所述微型计算机6连接动态称重平台2、深度相机1和超高频RFID读写器4，将肉鹅的深度图像和体重信息传送给工业电脑5，所述工业电脑5对肉鹅的进行深度图像处理，获取对应的体尺特征，建立体重预测模型，通过对肉鹅的体尺特征与体重两者的数据处理、分析，实现通过肉鹅的体尺特征预测其体重。
上述结构中，所述动态称重平台包括主控板7、A/D转换模块和压力传感器3。所述压力传感器3设置在动态称重平台2的下端，当肉鹅站立在动态称重平台2上时，压力传感器3发生形变引起电压变化，A/D转换模块将该电压变化转换成电信号传递给主控板7，主控板7通过滤波算法处理实现动态称重。所述主控板7采用STC89C58单片机，设置在数据处理终端微型计算机6下方。
所述滤波算法为卡尔曼滤波算法。具体的，被测个体通过动态称重平台时，由于其个体在压力传感器3上移动因而测得的体重数据无法稳定。因此，采用卡尔曼滤波进行体重数据的精确测量：通过等间隔测量，采集个体的体重数据，得到被测个体通过时关于时间的体重离散数据，公式如下：
其中
和
分别为k-1时刻与k时刻的后验状态估计，是滤波结果之一；
表示k时刻的的先验状态估计，及根据k-1时刻的最优估计预测k时刻的状态；Pk-1、Pk分别为k-1时刻与k时刻的后验估计协方差，Pk为k时刻的先验估计协方差；Kk为卡尔曼增益。
进行已知体重数据滤波，对系统状态进行最优估计，并得到一个最接近真实值的体重数据w，并上传到终端。
需要说明的是，通过对肉鹅的体尺特征与体重两者的数据处理、分析，选用多元线性回归、RBF神经网络、偏最小二乘法建立体重预测模型，通过对比优化选用最为精确可靠的方法，最终实现通过体尺特征预测体重。
作为本发明的进一步优选方案，所述微型计算机6采用raspberry pi，raspberrypi作为性能强大的微型计算机，能够方便地调用RS-485串口，有效的驱动传感器等，此外，raspberry pi还可以通过ftp协议传输数据给工业电脑5，实现整个系统的一体化。
作为本发明的进一步优选方案，所述深度相机1采用英特尔的RealSense D435深度相机，可以有效获取肉鹅的深度图像，将深度相机1设置在动态称重平台2的两端与顶部，以便后期获取更加完整且准确的肉鹅体尺信息。
作为本发明的进一步优选方案，还包括设置在动态称重平台2两端的遮光挡板8。所述遮光挡板8由黑色亚克力板加工制作而成，减少深度相机1获取深度图像时的图像背景噪声。此外，遮光挡板8还可以根据环境变化，折叠调节遮光范围，有效的减少深度图像的背景噪声。
本发明的工作流程如下：
佩戴有电子标签的肉鹅出现在动态称重平台附近时，raspberry pi识别这只肉鹅的身份信息，并进入到这只鹅的数据库。当肉鹅站立在动态称重平台2上时，高精度应变片式压力传感器发生形变引起电压变化，并将这个电信号传递给主控板，主控板经过算法分析以后，开始采集肉鹅的体重信号并进行卡尔曼滤波等算法处理以实现动态称重，同时触发肉鹅三方深度相机进行拍照，并通过ftp协议将深度图像和经过处理的体重数据无线传送给工业电脑，工业电脑开始对深度图像进行处理，将深度图像转化为点云数据，经过点云预处理、点云滤波降噪、特征点匹配等获取肉鹅的体尺特征，并创建体尺数据与体重数据的数据集，记录添加到这只鹅的数据库中。同时传送至体重预测模型中进行训练，以更好地优化预测模型。在获取足够大的数据集，并在模型中经过足够好的训练以后，便可以根据由获取的深度图像处理而成的肉鹅体尺特征数据预测肉鹅的体重，从而实现无需接触肉鹅而测量肉鹅的体重，大大方便鹅厂的养殖管理、减少人力物力。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种用于获取肉鹅体尺特征及体重测量的装置，其特征在于，包括：
动态称重平台，用于测量行走在所述动态称重平台上的肉鹅的体重；
深度相机，所述深度相机设置在动态称重平台的两侧与顶部，用于拍摄及获取肉鹅的深度图像；
RFID识别模块，包括设置在每一只肉鹅身上的RFID标签，以及固定于动态称重平台上方的超高频RFID读写器；所述RFID标签用于标识每一只肉鹅的身份信息，所述超高频RFID读写器通过串口与微型计算机通信，用于读取动态称重平台上肉鹅的身份信息；
数据处理终端，包括工业电脑和微型计算机，所述微型计算机连接动态称重平台、深度相机和超高频RFID读写器，将肉鹅的深度图像和体重信息传送给工业电脑，所述工业电脑对肉鹅的进行深度图像处理，获取对应的体尺特征，建立体重预测模型，通过对肉鹅的体尺特征与体重两者的数据处理、分析，实现通过肉鹅的体尺特征预测其体重。
2.根据权利要求1所述的一种用于获取肉鹅体尺特征及体重测量的装置，其特征在于，所述动态称重平台包括主控板、A/D转换模块和高精度应变片式压力传感器；所述高精度应变片式压力传感器设置在动态称重平台的下端，当肉鹅站立在动态称重平台上时，压力传感器发生形变引起电压变化，A/D转换模块将该电压变化转换成电信号传递给主控板，主控板通过滤波算法处理实现动态称重。
3.根据权利要求2所述的一种用于获取肉鹅体尺特征及体重测量的装置，其特征在于，所述主控板采用STC89C58单片机。
4.根据权利要求3所述的一种用于获取肉鹅体尺特征及体重测量的装置，其特征在于，所述滤波算法为卡尔曼滤波算法。
5.根据权利要求1所述的一种用于获取肉鹅体尺特征及体重测量的装置，其特征在于，所述微型计算机采用raspberry pi，通过ftp协议传输数据给工业电脑，实现数据回传，远程实时显示肉鹅动态体重，使整个系统的一体化。
6.根据权利要求1所述的一种用于获取肉鹅体尺特征及体重测量的装置，其特征在于，所述深度相机采用英特尔的RealSense D435深度相机。
7.根据权利要求1所述的一种用于获取肉鹅体尺特征及体重测量的装置，其特征在于，还包括设置在动态称重平台两端的遮光挡板，所述遮光挡板由黑色亚克力板加工制作而成，减少深度相机获取深度图像时的图像背景噪声。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202220417901.0U CN217637612U (zh) | 2022-02-28 | 2022-02-28 | 一种用于获取肉鹅体尺特征及体重测量的装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202220417901.0U CN217637612U (zh) | 2022-02-28 | 2022-02-28 | 一种用于获取肉鹅体尺特征及体重测量的装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN217637612U true CN217637612U (zh) | 2022-10-21 |
Family
ID=83645381
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202220417901.0U Active CN217637612U (zh) | 2022-02-28 | 2022-02-28 | 一种用于获取肉鹅体尺特征及体重测量的装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN217637612U (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2806064C1 (ru) * | 2022-12-15 | 2023-10-25 | Общество с ограниченной ответственностью "ГАРПИКС МЕДИА" | Автоматизированная система определения габаритов объекта |
-
2022
- 2022-02-28 CN CN202220417901.0U patent/CN217637612U/zh active Active
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2806064C1 (ru) * | 2022-12-15 | 2023-10-25 | Общество с ограниченной ответственностью "ГАРПИКС МЕДИА" | Автоматизированная система определения габаритов объекта |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109843034B (zh) | 用于谷田的产量预测 | |
| CN103489006A (zh) | 一种基于计算机视觉的水稻病虫草害诊断方法 | |
| Sun et al. | Remote estimation of grafted apple tree trunk diameter in modern orchard with RGB and point cloud based on SOLOv2 | |
| Feiyang et al. | Monitoring behavior of poultry based on RFID radio frequency network | |
| KR102095539B1 (ko) | 인삼의 영상 이미지 분석을 통한 생육량 측정 방법 | |
| CN114419431A (zh) | 一种蝗灾潜在高风险区识别方法、装置、设备及存储介质 | |
| CN116403048B (zh) | 一种基于多模态数据融合的农作物生长估计模型构建方法 | |
| Yalcin | Phenology monitoring of agricultural plants using texture analysis | |
| CN113096178A (zh) | 猪只体重的估测方法、装置、设备和存储介质 | |
| CN110991222A (zh) | 一种物体状态监测、母猪发情监测方法、装置及系统 | |
| WO2021019457A2 (en) | Weight estimation of broilers using 3d computer vision and artificial intelligence | |
| CN114596509A (zh) | 一种基于机器视觉的水稻秧苗叶龄期识别方法 | |
| CN114898405A (zh) | 基于边缘计算的便携式肉鸡异常监测系统 | |
| CN217637612U (zh) | 一种用于获取肉鹅体尺特征及体重测量的装置 | |
| Guo et al. | Panicle Ratio Network: streamlining rice panicle measurement by deep learning with ultra-high-definition aerial images in the field | |
| CN116863341B (zh) | 基于时间序列卫星遥感影像的作物分类和识别方法和系统 | |
| Liang et al. | CanopyCAM–an edge-computing sensing unit for continuous measurement of canopy cover percentage of dry edible beans | |
| CN116189076A (zh) | 一种鸟类观测站的观测识别系统及其方法 | |
| CN113222452B (zh) | 基于北斗导航的天然草地质量评价方法、系统及存储介质 | |
| CN114283344A (zh) | 一种森林生态水文过程自动实时监测方法及系统 | |
| Heidari et al. | Development of an android app for estimating the water quality parameters in fish pond | |
| CN109685174B (zh) | 一种黄瓜丰产性自动分析装置及方法 | |
| CN113763196A (zh) | 一种基于改进YOLOv3的果园产量测定系统 | |
| CN113989509A (zh) | 基于图像识别的农作物虫害检测方法、检测系统及设备 | |
| CN114022831A (zh) | 一种基于双目视觉的牲畜体况监测方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GR01 | Patent grant | ||
| GR01 | Patent grant |