基于颜色矩的典型草原牧草特征提取与图像识别

针对内蒙古乌兰察布市荒漠化草原牧草监测与数字化程度较低的问题,该文实现了2种典型牧草的特征提取与图像识别,为多牧草种类识别与草业管理提供依据。利用智能导航车采集草原原始图像,对羊草和灰绿藜2种牧草图像提取RGB与HSV颜色矩特征并建立相应的规则库,数据表明二者的颜色矩特征具有明显区别。采用2G-B-R色差特征的模糊C-均值聚类算法对图像进行背景分割后,构建了一种3层BP神经网络模型,通过主成分分析法(principal component analysis,PCA)将15维输入特征参数降为10维以提高识别速度,且最终的整体识别率达到89.5%,实现了羊草与灰绿藜图像的有效分类识别,同时得到灰绿藜与羊草在测试图像中的植被覆盖度分别约为9.78%、34.21%。试验结果表明,利用颜色矩特征为基础,模糊C-均值聚类算法与BP(back propagation,BP)神经网络模型为分割、识别手段能够有效地实现典型牧草的图像分类研究。自动识别牧草是草业数字化的重要组成部分,可为监测植被物种多样性、草种退化及病虫草害的控制提供科学依据,是实现现代草原生态环境保护,发展草原经济的重要途径。     

声学监测技术在家畜福利化养殖中的发展应用

在动物福利化养殖日渐重要的养殖业现状下,研究对动物异常信息进行合理监测的方法变得尤为重要。动物驯养越来越趋于规模化,利用人工观测方法对家养动物日常行为进行监测,耗费大量的人力物力资源的同时,在精度、准度、实时性以及客观性方面也会有所欠缺,已经不足以满足养殖业的智能化发展。声音往往包含着许多机体信息,可以实时反映出其主体的行为状态,利用现代化的数据分析技术,对动物发出的声音信号进行采集和分析,建立声音与机体信息的关联性,是实现家养动物行为信息监测的重要研究手段。本文对声学监测的基本流程、研究方法及相关理论知识进行了简要介绍,着重分析总结了声学监测在畜牧业福利化养殖当中的应用场景、应用方向及应用优势。     

基于ZigBee技术的土壤温度无线检测系统研究

针对传统土壤温度检测的局限性,开发了基于CC2530的ZigBee土壤温度无线检测系统。该检测系统以CC2530为主控芯片,以DS18B20为温度传感器进行温度采集。试验表明,该系统能准确地采集土壤温度数据,并可在上位机上实时显示检测数据,为下一步的土壤温度远程遥测奠定了基础。     

基于颜色特征的牧草图像分割方法研究

针对自然光照条件下牧草图像的分割问题,分别研究了在RGB颜色空间和HSI颜色空间中牧草颜色特征的提取。在RGB颜色空间中,利用2G-B色差特征得到牧草和背景差值最大的色差灰度图像,使用最大类间方差图像分割法对色差灰度图像进行了图像分割。在HSI颜色空间中,根据牧草H分量的分布特点,使用模糊C-均值(FCM)的彩色图像分割方法对牧草的彩色图像进行了有效分割。实验表明,基于HIS彩色空间H色调的FCM方法对牧草的分割能够取得比较理想的效果,经二值化处理后得到的牧草轮廓要比基于2G-B色差特征的最大类间方差分割方法得到的牧草轮廓更加完整。     

基于改进VGGNet的羊个体疼痛识别方法

针对目前人工识别羊个体疼痛过程中存在的经验要求高、识别准确率低、消耗成本高、延误疾病治疗等问题,引入当前主流图像分类网络VGGNet（Visual geometry group network）对有疼痛和无疼痛的羊脸表情进行识别,提出一种基于改进VGGNet的羊脸痛苦表情识别算法,改进后的网络为STVGGNet（Spatial transformer visual geometry group network）。该算法将空间变换网络引入VGGNet,通过空间变换网络增强对羊脸痛苦表情特征区域的关注程度,提高对羊脸痛苦表情的识别准确率。本文对原有的羊脸表情数据集进行了扩充,新增887幅羊脸表情图像。但是新的数据集图像数量仍然较少,所以本文利用ImageNet数据集进行迁移学习,微调后用来自动分类有痛苦和无痛苦的羊脸表情。对羊面部表情数据集的实验结果表明,使用STVGGNet实现的最佳训练准确率为99.95%,最佳验证准确率为96.06%,分别比VGGNet高0.15、0.99个百分点。因此,本文采用的模型在羊脸痛苦表情识别中有非常好的识别效果并且具有较强的鲁棒性,为畜牧业中羊的疾病检测智能化发展提供了技术支撑。     

基于功率谱和共振峰的母羊发声信号识别

内蒙古及周边西部地区正在发展规模化种草设施圈养,这种养殖模式要求较高的福利化饲养水平。母羊在不同的应激行为下会发出不同的声信号,可以通过识别母羊发声信号去评价其健康状况和福利化养殖水平。该研究以成年小尾寒羊为例,通过无线语音数据采集卡,平均采集80只母羊在寻羔、饥饿和惊吓3种应激行为下的发声,用Audacity软件共分割成1 200句叫声信号,并用带通滤波和小波消噪进行预处理。每种应激行为下再随机选取200句发声信号,共计600句进行AR(auto-regressive)功率谱估计和共振峰分析,提取第1、2和3共振峰频率和6个代表性的功率谱估计频域参数:功率谱密度的平均值、几何平均值、中值、切尾平均值、平均绝对偏差值和四位分极差,同时也提取叫声信号的最大值、持续时间和间隔时间时域参数,这些特征参数用于训练BP(back propagation)神经网络母羊发声信号识别模型,剩余的600句发声信号用于测试模型的识别效果。结果表明:母羊在不同应激行为下的发声信号具有明显差异的特征参数,采用共振峰参数训练的BP网络,其对母羊发声信号的正确识别率为85.3%,高于利用AR功率谱估计参数的81.0%,当2种参数进行组合训练BP网络后,其正确识别率可达93.8%,表明这种方法的识别效果更好,由于在同一种应激行为下,不同年龄和体质量的母羊发声信号具有一定的差异性,使得系统的误识别率达到6.2%。     

羊只形态参数无应激测量系统设计与试验

为解决羊只体尺、体质量参数传统测量方法依靠人工完成、工作量大、对羊的体位要求高、易引发人畜共患病、对羊有应激等问题,设计了羊只形态参数无应激测量系统,包括个体识别、体位限制、体质量称量、视觉图像采集、自动测控硬件系统构架及软件程序开发,应用通用的Modbus协议及虚拟仪器技术构建系统。对内蒙古某肉羊养殖基地小尾寒羊的现场试验表明,该系统可以在羊只无应激的条件下,自动完成形态参数的采集,既为后期的形态评价提供了全面的数据,又实现了羊只的福利化养殖,同时避免了人畜共患病。     

基于改进VGGNet的羊个体疼痛识别方法

针对目前人工识别羊个体疼痛过程中存在的经验要求高、识别准确率低、消耗成本高、延误疾病治疗等问题,引入当前主流图像分类网络VGGNet(Visual geometry group network)对有疼痛和无疼痛的羊脸表情进行识别,提出一种基于改进VGGNet的羊脸痛苦表情识别算法,改进后的网络为STVGGNet(Spatial transformer visual geometry group network)。该算法将空间变换网络引入VGGNet,通过空间变换网络增强对羊脸痛苦表情特征区域的关注程度,提高对羊脸痛苦表情的识别准确率。本文对原有的羊脸表情数据集进行了扩充,新增887幅羊脸表情图像。但是新的数据集图像数量仍然较少,所以本文利用ImageNet数据集进行迁移学习,微调后用来自动分类有痛苦和无痛苦的羊脸表情。对羊面部表情数据集的实验结果表明,使用STVGGNet实现的最佳训练准确率为99.95%,最佳验证准确率为96.06%,分别比VGGNet高0.15、0.99个百分点。因此,本文采用的模型在羊脸痛苦表情识别中有非常好的识别效果并且具有较强的鲁棒性,为畜牧业中羊的疾病检测智...     

美国旱农的几点经验

通过对美国西部旱地农业的实地考察分析,介绍了当地旱地农业耕作种植制度,平整土地,自然喷灌,土壤保护,旱地机械及饲养业,可供有关同类地区参考。