基于热红外图像的奶牛乳区温度分布与乳房炎识别方法

乳房炎是影响奶牛健康与牛奶品质的主要疾病之一，是健康养殖的监控重点，该研究提出了一种基于热红外图像的奶牛乳区温度分布测量与乳房炎识别方法。通过现场采集的健康与患病共189头荷斯坦奶牛挤奶前后的后乳区热红外图像样本，提出了左右后乳区自动识别方法，确定了后乳区的特征区域及识别乳房炎的数据最佳采集时间为挤奶前。通过线剖法获取奶牛特征区域内的温度值点，建立乳区温度分布拟合方程，经分析发现91.9%的健康奶牛乳区温度拟合线的斜率小于0，斜率范围为-0.083～-0.001；92.1%的患病奶牛乳区温度拟合线的斜率大于0，斜率范围为0.001～0.093，可根据温度拟合线斜率的正负实现奶牛乳房炎的自动识别。与加州乳房炎检测法（California Mastitis Test，CMT）对比试验，结果表明：健康奶牛左右后乳区的识别准确率均值为76%，患病奶牛的左右后乳区识别准确率均值为75%。该研究提出的方法为牧场奶牛健康管理与乳房炎的快速在线识别提供了参考。     

奶牛隐性乳房炎便携式计算机视觉快速检测系统设计与试验

为解决奶牛隐性乳房炎难以防治的问题,构建了一种基于计算机视觉技术的快速检测系统。通过电脑与USB摄像头采集牛奶p H测试纸图像,提出了一种融合颜色特征与形态学处理的分割方法,分割化学反应区并获取RGB值,使用Foss5000牛乳体细胞分析仪得到牛奶体细胞实测值,采取幂回归法建立RGB值与牛奶体细胞数的预测模型,并基于Android技术开发了便携式移动终端设备。牛场实测20组数据试验结果显示,牛奶体细胞数估测值与实测值相关系数为0.970,估测平均相对误差为3.67%,标准差为1.88%。系统估测牛奶体细胞数较为准确,可用于奶牛隐性乳房炎快速检测。     

基于热红外视频的奶牛跛行运动特征提取与检测

针对基于可见光视频的奶牛跛行检测系统易受光线、环境变化因素影响的问题，该研究提出了一种基于热红外视频的奶牛跛行运动特征获取与检测的方法。该研究利用深度学习与传统图像处理方法，分别对热红外相机与可见光相机所拍摄的奶牛行走视频进行了奶牛跛行运动特征的提取检测。通过检测结果分析可知，相较于可见光图像，算法对于热红外图像中的奶牛跛行运动特征检测效果更好、准确率更高并且热红外图像可以有效减少光线等外界因素对特征提取的影响，利用深度学习与传统图像处理对运动特征检测的平均精度达到了90.84%与74.26%。研究利用弓背曲率分别针对热红外视频与可见光视频中的行走奶牛进行跛行检测试验，试验结果表明，针对热红外视频中的奶牛跛行检测精度为90.0%，Macro-F1为0.90；针对可见光视频中的奶牛跛行检测精度为83.3%，Macro-F1为0.83。研究表明热红外相机应用于计算机视觉奶牛跛行检测系统可以更好的实现奶牛跛行运动特征获取与跛行检测，有效提高检测准确性与鲁棒性。     

基于机器视觉图像特征参数的马铃薯质量和形状分级方法

马铃薯自动分级过程中,存在既要保证分级精度又对分级速度有一定要求的难点问题。该文探讨了利用机器视觉技术快速获取马铃薯图像特征参数,结合多元线性回归方法,建立马铃薯质量和形状分级预测模型,实现基于无损检测的马铃薯自动分级。搭建了同时获取马铃薯三面投影图像的机器视觉系统,通过图像数据处理获得马铃薯俯视图像轮廓面积、两侧面图像轮廓面积、俯视及侧面图像外接矩形长度及宽度数据等图像特征参数,通过多元数据回归分析,建立了马铃薯质量和形状分级预测模型。选择100个试验样本运用该方法进行质量和形状分级模型构建和预测,采用电子称获取样本实际质量,采用目测法对马铃薯进行形状分选。对比试验结果表明,质量分级相关度系数R为0.991,形状分级分辨率为86.7%。表明该方法对马铃薯质量和形状分级进行预测具有可行性,可运用于马铃薯自动分选系统中。     

基于Horn-Schunck光流法的多目标反刍奶牛嘴部自动监测

奶牛反刍行为的智能监测对于奶牛健康及提升现代养殖业的水平具有重要意义。奶牛嘴部区域的自动检测是奶牛反刍行为智能监测的关键,该文提出一种基于Horn-Schunck光流法的多目标奶牛嘴部区域自动检测方法。利用Horn-Schunck光流法模型求取奶牛反刍视频中各时间序列图像的光流场,将各帧序列图像中运动较大的光流数据进行叠加,获取奶牛反刍时的候选嘴部区域,最后运用奶牛嘴部区域检测模型实现反刍奶牛嘴部区域的检测。为了验证算法的有效性,利用不同环境下获取的12段视频进行验证,选取的12段视频的每段时长10 s,每段视频帧数在250~280帧之间,结果表明,对于多目标奶牛,12段视频中有8段视频可以成功检测到反刍奶牛的嘴部区域;根据所定义的真实充盈率指标与检测充盈率指标,分别统计了8段成功检测反刍奶牛嘴部区域的视频检测结果,试验表明,8段视频中最大真实充盈率为96.76%,最小真实充盈率为25.36%,总体平均真实充盈率为63.91%;最大检测充盈率为98.51%,最小检测充盈率为43.80%,总体平均检测充盈率为70.06%。研究结果表明,将Horn-Schunck光流法应用于多目标奶牛嘴部区域的自动检测是可行的,该研究可为奶牛反刍行为的智能监测提供参考。     

自动导航技术在农业工程中的应用研究进展

分析了GPS技术、机器视觉和多传感器融合技术在自动导航中的应用研究进展。GPS 技术具有较高精度，机器视觉能够采集丰富的环境信息，而多传感器融合技术能够结合GPS技术和机器视觉等导航模式的优点，用不同的传感器可组合出高精度、高可靠性的导航策略。但GPS精度和可靠性容易受到环境因素的影响，机器视觉导航应用中的图像处理受自然光线等条件的干扰很大，图像处理算法的速度不够快，多传感器融合技术在传感器精度、信息获取和处理速度以及抗干扰能力方面存在一些问题。因此解决这些存在的问题，有利于自动导航技术在农业工程中的广泛应用。     

基于计算机视觉的番茄损伤自动检测与分类研究

为了提高番茄损伤检测与分类的准确率和效率，综合运用计算机视觉技术、BP算法、人工神经网络技术，实现番茄损伤的自动检测与分类。首先，通过计算机视觉系统获取番茄图像，利用图像处理去除噪声、图像分割、图像增强等多种基本图像处理的方法对番茄损伤图像进行了处理，综合运用并行和串行区域分割技术进行番茄表面缺陷区域检测。其次，对番茄图像进行了特征分析，通过提取三种特征包括8个特征参数，采用改进的BP算法训练的多层前向人工神经网络对番茄的损伤进行分类。该文中缺陷检测方法和特征提取方法的采用，使该计算机视觉系统节省了时间，提高了精度。试验证明番茄损伤检测和分类的准确率不低于90%。     

基于SOLOv2与点云空腔特征的奶牛瘤胃充盈度自动评分方法

瘤胃充盈度评分是反映奶牛个体采食量与能量摄入状态的直观指标,为实现奶牛瘤胃充盈度的自动评分,该研究提出了一种基于SOLOv2网络和空腔特征的瘤胃充盈度自动评分方法,首先对获取的奶牛背部深度图像进行预处理以提取目标奶牛;其次利用SOLOv2实例分割网络对奶牛瘤胃区域进行分割以获取瘤胃区域点云,将其投影至X-Z平面内采样得...     

泰州市奶牛乳房炎调查及其病原菌的分离

奶牛乳房炎是奶牛场的常发病和难以防治的疾病,为进一步了解引起奶牛乳房炎的病原微生物,本研究通过对泰州市3个奶牛场572头泌乳牛的乳房炎发病率进行了调查并对乳房炎主要病原菌进行分离和鉴定。结果表明,奶牛临床型乳房炎的发病率为7.69%,隐性型乳房炎发病率为56.64%,乳区阳性率为33.8%,其中临床型：隐性=1：7.36。从65份确定患有乳房炎的奶样中共分离获得8种细菌、156株分离株,且引起乳房炎的主要病原菌是金黄色葡萄球菌和表皮葡萄球菌,其次是停乳链球菌、大肠杆菌、乳房链球菌和无乳链球菌,其检出率分别为42.31%、23.08%、8.97%、6.41%、5.13%和1.28%。该项调查结果初步明确了泰州市乳房炎发病情况,同时为进一步综合防治奶牛乳房炎和研制乳房炎治疗药物提供了科学依据。     

用神经网络方法进行大米留胚率自动检测的研究

留胚率是衡量胚芽米品质的主要技术指标。该文建立了一个双重结构神经网络分类器,用机器视觉获取胚芽米图像,从中提取米粒的物理特性作为网络分类器的输入进行训练,实现了留胚率的自动检测。测试结果表明该方法准确率较高并具有鲁棒性。     

Mastitis in dairy production: Estimation of sensitivity, specificity and disease prevalence in the absence of a gold standard

Mastitis, a worldwide endemic disease of dairy cows, is an important cause of decreased efficiency in milk production. Early medical treatment can reduce the nonreversible losses in milk production caused by this infection. Various diagnostic tests for mastitis are available, including a test measuring the electrical conductivity of milk (MEC test), the industry standard of somatic cell counting (SCC test), a bacteriological test, and a recently developed test measuring mammary associated amyloid A (MAA test). None of these tests is considered a gold standard, however. The aim of the present study was to determine which of these tests provides the best results, and at what cost, to improve the efficiency of milk production. For this study, 25 cows were tested at all four quarters of the udder with each of the aforementioned mastitis diagnostic tests. Based on the data, the disease prevalence as well as the sensitivity and the specificity of the four tests were estimated with a Bayesian approach by extending the Hui and Walter model with two independent tests and two populations to a model with four partially dependent tests and one population. This model was further combined with a receiver operating characteristics analysis to estimate the overall test accuracy.     

基于融合坐标信息的改进YOLO V4模型识别奶牛面部

为实现奶牛个体的准确识别,基于YOLO V4目标检测网络,提出了一种融合坐标信息的奶牛面部识别模型。首先,采集71头奶牛面部图像数据集,并通过数据增强扩充提高模型的泛化性能。其次,在YOLO V4网络的特征提取层和检测头部分分别引入坐标注意力机制和包含坐标通道的坐标卷积模块,以增强模型对目标位置的敏感性,提高识别精度。试验结果表明,改进的YOLO V4模型能够有效提取奶牛个体面部特征,平均精度均值（mAP）为93.68%,平均帧率为18帧/s,虽然检测速度低于无锚框的CenterNet,但mAP提高了10.92%;与Faster R-CNN和SSD模型相比,在检测速度提高的同时,精度分别提高了1.51%和16.32%;与原始YOLO V4相比,mAP提高0.89%,同时检测速度基本不变。该研究为奶牛精准养殖中的牛脸图像识别提供了一种有效的技术支持。     

挤奶机真空度对牛奶体细胞数和牛乳头末端壁厚的影响

为了研究挤奶机系统真空度不同时的挤奶效果,解决目前挤奶机使用中系统真空度缺乏科学设定依据的问题,该文以12头高产泌乳牛(单产(7.4±0.4)t)为试验对象,以体细胞数(somatic cell count,SCC)、乳头末端壁厚变化率以及挤奶量等作为挤奶效果评价指标参数,在系统真空度分别为44、46以及48 kPa时,研究了系统真空度对泌乳牛挤奶过程不同阶段的内套真空度和挤奶杯口真空度的影响,量化了系统真空度对挤奶效果评价指标的影响程度。研究表明,当系统真空度从44 kPa增加至48kPa时,挤奶量、挤奶时间以及平均奶流量均无显著差异,但体细胞数的对数(P0.05)和乳头末端壁厚变化率(P0.05)均显著增加。研究认为试验挤奶机用44 kPa的系统真空度比用46或48 kPa时的效果更好。该文为中国挤奶机使用中系统真空度的优化设置提供技术支持。     

基于全混合日粮饲喂技术的精饲料精确饲喂模式

为了提高奶牛产量、降低生产成本,奶牛精细饲喂是重要的实现途径,该文对奶牛精饲料精确饲喂与配套饲喂模式进行了研究。该文以个体奶牛为饲养管理单位对200头和500头牛群进行了"TMR（total mixed ration,全混合日粮）+精饲料精确饲喂"饲喂模式的牛舍内和奶厅外饲喂研究,试验结果表明：牛舍内饲喂采用牛颈枷间距1.2 m,装备行进速度0.45 m/s时,识别系统对奶牛的识别率100%,识别准确率不小于96%,抢食率不大于4%,系统响应时间不大于2 s,每百头奶牛饲喂时间不大于0.4 h;奶厅外饲喂采用牛颈枷间距1.4 m,装备行进速度0.7 m/s时,识别系统对奶牛的识别率100%,识别准确率不小于99%,抢食率为0,系统响应时间不大于2 s,每百头奶牛饲喂时间不大于0.35 h;同时试验期间比2011年同期传统"TMR+人工补饲精饲料"饲喂模式平均单产提高0.8 kg/d,并减轻了劳动强度。研究结果可为奶牛饲喂与养殖模式相关研究、牛场建设与改造等提供参考。     

基于Web的奶牛场挤奶管理软件的开发

为了实现奶牛产奶的计算机管理,采用VB.NET软件平台、N层体系结构及B/S模式构建了奶牛产奶管理系统,该系统可以实现牛舍及牛只等一般信息的管理。在此基础上,通过对牛只设置,实现了以挤奶员为中心的产奶记录功能,并可以按照时间与产奶量进行产奶记录的筛选和统计功能,对于提高奶牛场的产奶管理水平具有一定的意义。     

基于Lucas-Kanade稀疏光流算法的奶牛呼吸行为检测

奶牛呼吸行为的智能检测对于奶牛疾病的自动诊断及奶牛精准养殖具有重要意义。该研究基于Lucas-Kanade稀疏光流算法,提出了一种适合于非结构化养殖环境的无接触式单目标奶牛呼吸行为检测方法。通过在HSV颜色空间完成奶牛目标的提取,然后通过Canny算子和掩模操作完成奶牛所有花斑边界的检测,再利用Lucas-Kanade稀疏光流算法计算提取奶牛花斑边界光流,最后根据视频序列帧中花斑边界平均光流的方向变化规律实现奶牛呼吸行为的检测。为了验证本研究算法的有效性,利用不同环境下获取的105段共计25 200帧数据进行了测试,并与基于整体Lucas-Kanade光流法、整体Horn-Schunck光流法和基于花斑边界的Horn-Schunck光流法进行了对比验证。试验结果表明,该研究算法的帧处理耗时在0.10～0.13 s之间,在试验视频上的平均运行时间为14.14 s。奶牛呼吸行为检测的准确率为83.33%～100%之间,平均准确率为98.58%。平均运行时间较基于整体Lucas-Kanade光流法的呼吸行为检测方法慢1.60 s,较Horn-Schunck整体光流的呼吸行为检测方法快7.30 s,较基于花斑边界的Horn-Schunck光流法快9.16 s。呼吸行为检测的平均准确率分别高于3种方法 1.91、2.36、1.26个百分点。研究结果表明,通过Lucas-Kanade光流法检测奶牛花斑边界平均光流方向变化实现奶牛呼吸行为检测是可行的,该研究可为奶牛热应激行为的自动监测及其他与呼吸相关疾病的远程诊断提供参考。