奶牛乳房炎自动检测技术研究进展

奶牛乳房炎是影响奶牛健康的主要疾病之一,发病率高、发病范围广、经济损失严重。目前奶牛乳房炎的检测大多是采集奶牛乳汁进行理化性质检测,该方法对检测环境有着较高要求,且检测周期长。随着信息技术的迅速发展,奶牛乳房炎的自动检测技术取得了较好的研究成果。该研究根据数据的传感器类型,从视觉传感器、自动挤奶系统与其他传感器3个方面阐述了奶牛乳房炎自动检测的研究进展。基于视觉传感器的奶牛乳房炎自动检测方法包括基于乳房热红外图像和基于乳汁图像的检测方法,该方法较大程度上保障了动物福利,但检测精度有待提升;基于自动挤奶系统（automatic milking systems, AMS）的奶牛乳房炎自动检测方法利用AMS获取乳汁信息,然后构建乳房炎检测模型,该方法检测误差较小,但成本较高;基于其他传感器的奶牛乳房炎检测方法采用独立研发的传感器获取乳汁数据,预测乳房炎发病情况,该方法操作简便,但使用不同传感器构建的检测模型精度差异较大。该文还探讨了目前奶牛乳房炎自动检测领域存在的精度低、实时性差、自动化不足等问题,并展望了该领域未来的发展趋势,以期为开展奶牛乳房炎自动检测技术与方法研究提供参考。     

奶牛乳房炎防治措施综述

对奶牛乳房炎的治疗措施和预防措施进行了全面的概述，部分先进措施对生产实践具有一定的指导意义。     

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。     

奶牛乳房炎致病菌的分离鉴定

选择某奶牛养殖场的24头奶牛作为乳房炎致病菌分离鉴定的研究。从研究数据来看,奶牛乳房炎的致病菌主要有链球菌、葡萄球菌和杆菌。     

PCR法在奶牛乳房炎病原菌鉴定中的应用探析

乳房炎是乳房在化学、微生物或物理等的刺激之下所发生的一种疾病,是奶牛的一种常见疾病。基于此,立足于PCR法的发展现状,就PCR发在奶牛乳房炎病原菌鉴定中的应用进行了系统阐述,强化对PCR的发展及应用的认识。     

奶牛乳房炎与气候关系的探讨

通过对淮南市农科所的气象资料与淮南乳品公司奶牛场奶乳房炎发病的情况分析，发现气温和降水量的变化与乳房炎发生有一定的相关性。     

金黄色葡萄球菌乳房炎奶牛血浆的比较蛋白质组研究

为了分析金黄色葡萄球菌(Staphylococcus aureus)自然感染引起的隐性乳房炎奶牛血浆蛋白的表达变化,经细菌培养分离鉴定了乳中金黄色葡萄球菌,选择其感染的奶牛.采用二维凝胶电泳技术分离了临床健康奶牛和乳房炎奶牛的血浆蛋白,考马斯亮蓝G-250染色后PDQuest 8.0软件检测差异表达蛋白点,高效液相色谱串联离子阱质谱鉴定.结果发现,金黄色葡萄球菌乳房炎奶牛血浆中有10个蛋白点的表达量发生改变,其中6个蛋白点经质谱鉴定为结合珠蛋白、转甲状腺素蛋白和α1酸性糖蛋白等4种蛋白.金黄色葡萄球菌感染可造成奶牛血浆结合珠蛋白、α1酸性糖蛋白和血清淀粉样蛋白A的表达量增加.ELISA法测定血浆结合珠蛋白的结果也发现,金黄色葡萄球菌感染奶牛血浆结合珠蛋白水平显著高于健康牛(P＜0.01).结果提示乳房炎奶牛血浆蛋白的变化可为揭示金黄色葡萄球菌感染乳腺炎症的应答提供依据.     

我国部分地区奶牛乳房炎源大肠杆菌生物学特性及耐药性分析

调查奶牛乳房炎源大肠杆菌的某些生物学特性及其耐药状况,以提高药物疗效,减少牛乳中药物的残留。本研究从国内7个省、市、自治区部分地区患乳房炎奶牛的乳样中分离纯化与鉴定出95株大肠杆菌(Escherichia coli),并对大肠杆菌分离株进行O血清型鉴定、小鼠(Mus musculus)致病性试验以及抗菌药物敏感性分析。研究结果显示,95株大肠杆菌共鉴定出37种血清型,覆盖了54株分离株,另有2株自凝,39株未鉴定出型,较常见血清型为093和09;大肠杆菌分离株接种小白鼠剖检可见明显病变;95株大肠杆菌对16种抗菌药物中的8种药物耐药率超过50%,青霉素的耐药率甚至达到100%,同一菌株最多耐药14种,最少耐药2种,耐药6种以上菌株占到51.58%。表明,奶牛乳房炎源大肠杆菌分离株血清型比较复杂,且对多种药物产生不同程度的耐药性,存在着严重的多重耐药情况。本研究为奶牛乳房炎疫苗的研制和乳房炎的临床治疗提供理论依据。     

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（California Mastitis Test,CMT）法对比试验,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%。该研究提出的方法可为牧场奶牛健康管理与乳房炎的快速在线识别提供参考。     

基于机器视觉的板栗分级检测方法

为实现合格和缺陷板栗的分级,研究了1种基于BP神经网络与板栗图像特征的板栗分级方法。试验以罗田板栗为研究对象,提取的颜色及纹理等8个特征值,通过主成分分析提取相应的主成分得分向量构成模式识别的输入。利用BP神经网络方法建立了板栗分级模型。试验结果表明,在图像信息主成分因子数为3,中间层节点数为12时,建立的模型最佳,模型训练时的回判率为100%,预测时识别率达到了91.67%。研究结果表明基于机器视觉技术的针对缺陷板栗分级检测方法是可行的。     

基于机器视觉的大豆籽粒精选技术

为实现大豆精选模型的设计,选择东农405、东农410、东农634 共3个大豆品种,以正常豆、灰斑豆、霉变豆、虫蚀豆为研究对像,采用可脱离PC机独立工作的智能摄像头获取分析豆粒图像。通过动态阈值分割算法分离豆粒与背景,提取豆粒图像的形状、颜色、纹理3方面的特征参数15个。采用BP神经网络建立分类模型,模型平均识别准确率达98%。试验选择2000粒大豆样本对精选装置进行测试,测试结果显示：该装置对正常豆、灰斑豆、霉变豆和虫蚀豆的筛选精度分别达到98.3%、93.4%、92.2%、95.9%,筛选效率达到每分钟300粒,将机器视觉技术应用于大豆精选机的设计中是可行的。     

基于计算机视觉的大米裂纹检测研究

针对人工目测的传统方法在进行米粒裂纹检验时存在主观性及随意性较大、效率较低、可重复性较差等缺点,在分析大米裂纹光学特征的基础上,在Visual C++ 6.0环境下开发了一套大米裂纹计算机识别系统,通过图像二值化、区域标记等方法从原始图像中提取单体米粒图像,并对提取出的单体米粒图像进行灰度拉伸变换处理以突出米粒裂纹特征,然后提取单体米粒的行灰度均值变化曲线,并对曲线进行加权滤波处理,提出了一种基于单体裂纹米粒图像行灰度均值变化特征的大米裂纹检测算法。运用该算法对从金优974、菲优600、冈优182、中优205、89-94等5类大米品种中各选取的6 组特殊类样品和5 组随机样品进行裂纹检测。试验结果表明,该系统对特殊类大米样品和随机大米样品裂纹率的判断准确率分别为98.37%和97.88%,为进一步完善大米品质的计算机视觉检测提供了理论和实践基础。     

基于计算机视觉的鸡蛋新鲜度无损检测

对鸡蛋的新鲜度、贮藏期进行无损检测,在鸡蛋生产、流通、加工领域具有重要意义。该文进行了鸡蛋新鲜度（哈夫值）常规指标在一定温度条件下随贮藏时间变化的试验,采用高分辨率的工业化数字摄像头,以冷光源背向照明方式（照度为10 000 Lx）获取数字图像,并提取了鸡蛋的图像特征蛋黄指数和气室指数。建立了鸡蛋新鲜度与蛋黄指数、贮藏时间与鸡蛋新鲜度、贮藏时间与蛋黄指数和气室指数的关系模型。得知鸡蛋新鲜度与蛋黄指数呈线性相关性,经检验实测值与预测值平均相对误差为6%;贮藏时间与鸡蛋新鲜度以及贮藏时间与鸡蛋蛋黄指数、鸡蛋气室指数均具有二次函数关系,经检验实测值与预测值绝对误差不超过2 d。结果表明基于计算机视觉技术、采用背向照明方式采集的鸡蛋的透射图像得到鸡蛋的蛋黄和气室的图像信息,可以预测鸡蛋的新鲜度和贮藏期。     

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。     

基于计算机视觉的大田害虫远程自动识别系统

为了实现大田害虫的快速实时识别和诊断,设计了一套大田害虫远程自动识别系统。该系统通过3G无线网络将害虫照片传输到主控平台中,在主控平台中实现远程自动识别。系统首先对害虫图像进行基于形态和颜色特征值的提取。害虫图像的形态特征由周长、面积、偏心率等以及7个胡不变矩共16个特征值组成,颜色特征值由9个颜色矩组成,然后建立支持向量机分类器。采用该系统对6种常见大田害虫进行了测试,平均准确率达到87.4%。考虑到不同的害虫姿态和大田中不同的光照条件,系统的分类效果是满意的。     

Remote automatic identification system of field pests based on computer vision

为了实现大田害虫的快速实时识别和诊断,设计了一套大田害虫远程自动识别系统。该系统通过3G无线网络将害虫照片传输到主控平台中,在主控平台中实现远程自动识别。系统首先对害虫图像进行基于形态和颜色特征值的提取。害虫图像的形态特征由周长、面积、偏心率等以及7个胡不变矩共16个特征值组成,颜色特征值由9个颜色矩组成,然后建立支持向量机分类器。采用该系统对6种常见大田害虫进行了测试,平均准确率达到87.4%。考虑到不同的害虫姿态和大田中不同的光照条件,系统的分类效果是满意的。     

计算机视觉技术在水产养殖中的应用与展望

该文从养殖动物的生物量测量、行为监测和应激状态评估等方面综述了计算机视觉技术在水产养殖中生物信息获取方面的研究进展,并提出了进一步研究的方向是用图像处理技术量化鱼的行为的新方法,鱼在各种应激和养殖条件下行为变化的量化研究和人工智能技术的应用等方面。     

黄瓜幼苗生长信息的无损监测系统的应用与验证

初步探讨了利用计算机视觉技术,在试验温室条件下,对单株黄瓜幼苗的生长实行无损监测。分别对叶面积和干鲜重的破坏性测量与计算机视觉无损测量结果相比较,通过相关性分析,计算机视觉测量的叶冠投影面积与激光叶面积仪测量的叶面积决定系数为0.976,与茎叶干、鲜重的决定系数分别为0.874和0.914。试验证实计算机视觉无损监测系统可以对植物的生长参数进行比较可靠的预测。     

基于机器视觉的超级稻秧盘育秧播种空穴检测技术

针对超级稻育秧播种量少,易出现空穴而影响产量的问题,对超级稻高速连续秧盘育秧播种的空穴进行了在线检测。在秧盘育秧流水线的播种和覆表土工序之间加入检测系统,CCD摄像机不断地拍摄穴盘图像,并建立与穴孔相对应的掩模图像,利用定时读取程序,读取缓存中的图像信息。通过图像处理和分析,有效地识别了穴盘空穴,将检测结果以电子表格的形式存储在穴盘空穴数据库中,以供人工补种,进一步降低了秧盘育秧空穴率,提高了超级稻精准育秧的成秧率。     

基于计算机视觉技术的温室黄瓜叶片营养信息检测

应用计算机视觉技术研究了诊断温室作物营养状态的方法。在日光条件下采集了温室黄瓜叶片图像,然后分别提取了红绿蓝(RGB)三色分量和它们的相对系数rgb,以及色度、饱和度和亮度指标(HSI)。在RGB和HSI颜色模型下分析了各分量与叶片含氮率、含磷率和含水率之间的相关特性。分析结果表明：叶片绿色分量G和色度H分量与氮含量线性相关,可用作利用机器视觉快速诊断作物长势的指标,而其它分量与氮含量没有明显的相关性;颜色各分量与磷含量和水分含量均没有表现出明显相关关系;在对单次数据进行分析和比较时发现在同一光照条件下,绿色分量G和色度H与氮含量之间存在较好的线性相关特性,而当光照条件不同时,对两变量之间的线性关系存在一些影响,需要在进一步的试验研究中通过使用人工光源和系统标定的方法改进,以提高线性回归的精度。