奶牛健康监测设备与技术研究及应用进展综述

我国的奶牛养殖数量逐年增加,通过对奶牛的生理参数和行为进行监测,可以提高奶牛养殖的经济效益,提升我国奶业的竞争力。随着人工智能技术的发展,奶牛健康监测的设备和技术在不断更新和完善,为奶牛健康监测提供了便捷和精确的手段。本文综述了近年来奶牛健康监测方面的研究进展,从奶牛的生理参数监测和行为监测两方面展开,生理参数包括体温、体尺、体质量、呼吸频率等,行为包括基本行为（站立、行走、躺卧等）、反刍、跛行等。对国内外奶牛健康监测的设备和技术进行了系统的分析,总结了不同监测设备和技术的优缺点和适用情况,并结合当前已有的应用案例,对奶牛健康监测研究所面临的问题进行了讨论,指出了奶牛智慧养殖的发展趋势,旨在为奶牛健康管理和养殖业的可持续发展提供方法和思路的参考。     

肉牛体形参数计算机视觉检测

利用数字图像处理技术,对肉牛体形参数计算机视觉检测技术进行了研究。用基于色度的阈值分割算法对图像进行分割,对自然条件下获取的肉牛图像进行了分析和检测,对选择的特征参数进行了测量。试验表明,应用计算机视觉技术测量肉牛体形参数是可行的。在测量的6个特征参数中,最大平均相对误差为2.73％。     

基于计算机视觉的棉花生长监测自主导航车辆研究

为了克服农作物生长大面积遥感监测精度较低的缺陷,实现作物生长态势的自动化监测,提出了一种基于计算机视觉的自主导航作物生长监测车辆,从而有效地提高了作物生长监测的精度和自动化程度。该型自动化车辆通过导航标定线在田间对作物的生长状况进行实时跟踪监测,采用CCD数字摄像头对作物的生长状况进行图像采集,使用PC机对图像进行处理,并将图像利用通信技术传输到远程监控端,并根据图像特征数据建立了作物长势的监测和预测模型。为了验证其可行性,对作物的长势进行了实地测试,通过对叶面指数和作物生物量预测模型的测试表明:数据模型的实测值和理论值基本吻合,利用该方法可以建立多种作物的长势监测和预测模型,具有推广价值。     

奶牛体征参数处理分析软件的设计

奶牛发情与奶牛的生理参数紧密相关.为此,介绍了以VC++.NET为开发工具,以SQL Server 2000为后台数据库及应用C++面向对象高级程序设计语言开发的软件.软件在VC++.NET的环境下利用ADO实现对SQL Server 2000数据库的访问和数据存储,同时软件运用模糊逻辑数学方法建立数学模型作为奶牛发情判断的理论依据.将软件安装在与数据采集设备相连的计算机中,并通过对奶牛哺乳期和发情期的生理参数变化的数据分析,对奶牛的发情进行准确的预报.     

基于机器视觉的高原鼠兔智能监测系统

高原鼠兔是青藏高原以及邻近地区破坏草地生态的主要生物灾害之一.防治高原鼠兔的危害,就必须对该区的鼠兔数量、危害程度进行调查研究,才有可能采取经济有效的防治措施.传统的调查研究方法不仅耗费大量的人力、物力,并且难以实现对鼠兔长期、连续的监测.随着传感技术、生物识别等技术的发展,可以利用智能监测系统对鼠兔进行监测和研究.基于此,本文提出了一种基于机器视觉的高原鼠兔智能监测系统,对系统的构成进行了介绍,并对其中的关键技术做了说明.与传统的鼠害调查方法相比,该系统能够实现对鼠类活动无接触、动态、连续的监测,对鼠兔的防治以及改善高原的草地生态环境具有重要的意义.     

基于计算机视觉的香蕉贮藏过程中颜色和纹理监测

利用计算机视觉技术对香蕉在贮藏过程中颜色和纹理的变化进行研究。以第1阶段的青香蕉为研究对象,在贮藏过程中每天获取其图像,并将图像二值化,以其为模板分别与灰度、R、G和B分量图像点乘进行背景分割,提取彩色分量的均值作为颜色指标;预处理后灰度图像的共生矩阵由不规则的生成方式提取,并获取其纹理二阶矩、对比度和均匀度3个纹理指标。实验结果表明,结合R和G均值的变化曲线可对香蕉在第6阶段之前的表面状况进行描述,采用基于灰度共生矩阵的对比度和均匀度的变化曲线对香蕉在第6阶段之后的表面状况进行描述。     

基于自适应导航参数的智能车辆视觉导航

为提高导航路径识别的鲁棒性和实时性,采用了分区阈值二值化、噪声点搜索及滤波等图像处理方法,并对导航路径进行分区逐段识别;在路径跟踪方面,在获取的导航路径图像中选取远端路径和近端路径,以远端路径和近端路径的方位偏差量作为确定目标路径的依据,使提取的导航参数能适应导航路径的变化。根据四轮智能车辆模型进行路径跟踪仿真计算。在此基础上,采用两块数字信号处理器,对基于路径导航的视觉智能车辆进行了设计和试验验证。试验结果表明采用该方法设计的智能车辆具有较好的路径识别和跟踪控制效果。     

基于计算机视觉的养殖动物计数方法研究综述

数量计量是动物养殖管理的基础工作,其结果对于动物养殖的生产效率、养殖成本管控及经济效益评估等具有重要意义。基于计算机视觉的计数方法解决了传统人工计数存在的测量误差大、耗时费力等问题,减轻了养殖人员的工作负担。本文统计分析了近十年的养殖动物视觉计数相关研究,从传统机器学习与深度学习两方面对养殖动物计数算法进行分析与讨论。此外,对水产养殖、畜禽养殖与特种动物养殖领域的养殖动物计数应用进行梳理与总结。同时,对目前公开发布的养殖动物计数数据集进行概述。最后,从数据集、应用场景、计数方法3方面分析讨论养殖动物计数研究面临的主要挑战,并对未来研究进行展望。     

基于计算机视觉的芒果检测与分级研究

针对目前芒果的外观品质分级主要采取人工方法所存在的不足,提出了一种基于计算机视觉和极限学习机神经网络(ELM)模型的芒果分级方法。首先,利用图像处理方法对拍摄的芒果图像进行预处理;然后,根据芒果的外观特征提取芒果面积、等效椭圆长短轴之比、H分量均值和缺陷面积所占百分比4个特征参数,作为模型的输入向量,并以芒果的3个等级级别为模型输出向量。在模型的建立过程中,采用粒子群优化算法(PSO)对ELM随机给定的输入权值矩阵和隐层阈值进行寻优,最后以实验获得的数据对模型进行训练和测试。结果表明:使用粒子群算法优化后的极限学习机模型(PSOELM)与单纯的ELM、传统的BP和SVM相比,具有更高的分级精度,为水果的等级分级提供了一种新的方法。     

基于计算机视觉的鱼体色明暗程度量化方法

当前．鱼类行为学在养殖生产中的应用还不普遍，但已经引起人们的重视。借助于现代技术手段监涸鱼的行为，研究不同应激条件下鱼的行为特点以及鱼的行为与水产养殖环境的关系。从而实现基于鱼行为变化的应激自动报警。是很有意义的。为此。利用计算机视觉技术近似量化水中鱼体色的明暗程度。将图像转换到HSV空间得到鱼体的明度值，与经校准后的无色玻璃覆盖的灰级各阶的明度值进行比较和线性擂值。近似用明度阶值表示鱼体色的亮暗程度。     

奶牛跛行自动识别技术研究现状与挑战

奶牛跛行是奶牛发生肢蹄病的外在表现。人工识别跛行奶牛存在效率低、成本高、主观性强等问题。奶业对奶牛跛行自动识别技术需求日益强烈。本文从机器视觉技术、压力分布测量技术、可穿戴技术、行为分析技术和跛行分类技术5个方面,分析了奶牛跛行自动识别技术的原理、功能、特点及研究现状。总结发现,当前奶牛跛行自动识别技术研究大多集中在传感器研发和算法开发,而性能验证和决策支持的研究较少,面临的主要挑战包括高质量跛行识别数据获取难度大,缺乏早期跛行识别技术手段,奶牛个体差异干扰模型识别精度,牧场非结构化环境对识别系统性能要求高,以及技术应用效果难评估等。因此,为促进奶牛跛行自动识别技术的发展,建议推动牧场跛行监测数据共享,研究奶牛个体跛行判别模型的构建方法,开发融合跛行检测、体况评分等多功能的一体化智能通道,并分析评价跛行自动识别技术应用在保障动物福利、环境生态、粮食安全等方面的重要意义。     

基于计算机视觉的气吸滚筒式精密排种器控制系统

排种器是播种机的关键部件,其作业性能的好坏直接关系到播种的质量,想要实现排种器精确控制必须先对其进行监测,通过监测其排种质量调整排种器的作业过程,以提高排种质量。为此,提出了一种基于机器视觉的气吸滚筒式精密排种器的监测和控制系统,并利用反馈调节实现了排种器的闭环控制。为了验证方案的可行性,将监测实验台安装到了气吸滚筒式播种机上,并对监测控制系统的性能进行了测试。测试结果表明:采用基于计算机视觉的播种质量监测平台可以成功地监测到排种器的重播指数和漏播指数。最后,对不同气吸滚筒负压差下的播种质量进行了检测,并将计算机视觉监测和人工监测的数据进行对比,对比结果表明:采用计算机视觉监测系统得到的结果和人工监测结果基本吻合,且播种的合格率较高,满足精密播种机的作业需求。     

畜牧养殖穿戴式信息监测技术研究现状与发展分析

目前畜牧养殖环节信息监测技术依然落后,且普及率不高,无法准确、有效地掌握养殖环节农场动物本身及其生活环境的实际状况。本文在整理和总结现有穿戴式技术研究成果基础上,结合我国畜牧养殖实际情况和特点,对畜牧养殖穿戴式信息监测的工作原理、信息监测技术和穿戴式监测方式等方面进行了分析和讨论。总结得出未来研究趋势：信息获取方式由人工采集向自动化采集发展;穿戴式传感器将向微型化和柔性化方向发展;信号处理与信息传输将向多元化、复合化和智能化方向发展;信息监测方式将向系统性、整体性和自适应方向发展     

棉花虫害自动识别和智能决策系统设计-基于机器视觉系统

随着精准农业技术的不断发展，机器视觉技术在农田作业播种施肥、植保机械中的研究和应用得到进一步的开展。为此，简要分析了国内外机器视觉技术在植保领域中的应用前景，重点介绍了开发研制基于机器视觉的棉花田间虫害自动识别与施药决策支持软件与硬件系统的总体设计，以及所采取的相关技术措施。     

基于计算机视觉技术的玉米植株高度检测的研究

玉米植株高度的检测对于玉米生长期间的营养调控有着非常重要的意义,玉米植株高度也是玉米种植密度的重要参数,更是玉米产量的影响因素之一。大范围地种植玉米,在玉米植株长势的整体控制上就会存在空白区,而引用计算机视觉技术可以全面、快速地检测玉米植株高度,提高检测数据的正确率,减轻测量工作需要的劳动强度和缩短测量时间。为此,基于计算机视觉技术来检测玉米植株高度,利用事先安装在田间的带有红外照明的摄像头采集白天和夜晚的玉米植株图像,通过图像分割、边缘轮廓计算、图像增强等方法处理图像后,测得玉米植株白天和夜晚两个时间段的高度,分析出植株的生长情况,控制其长势。研究结果表明:相较于人眼粗略的判断或是人工采用直尺测量,利用计算机视觉技术来测量玉米植株高度,可以大范围测量,且测量的速度快、测量结果误差小,最大程度地降低了人工的投入。     

计算机视觉运用于棉花水分养分供给系统设计

针对目前棉花水分检测存在的缺陷和过量施肥的问题,提出了一种基于计算机视觉的棉花水分养分亏缺实时检测和水分养分自动供给系统。运用配置有近红外光发射器的CCD照相机采集得到棉花叶片图像信息,对图像进行去噪音等预处理得到植物叶片的图像,对叶片水分亏缺和缺素信息相关的颜色特征、纹理的时域特征、纹理的频域特征及缺素初期斑点的时频特征,分别运用相对差值百分率直方图、差分算子,以及傅里叶变换和小波包提取等新方法进行提取,并利用遗传算法对提取的众多特征项进行优化选择,建立棉花叶片图像信息与水分养分亏缺状况的对应关系,并通过物联网技术连接微喷灌终端实现水分养分定时定量自动供给。将系统于湖北进行试用试验,试验表明:本系统大幅度提高了棉花产量,降低了灌溉水消耗量、肥料消耗量和土壤肥料残留量,减轻了农业生产对环境的污染,有较好的应用前景,值得推广。     

基于计算机视觉数据对大棚作物生长趋势的挖掘

设施农业具有可控的环境条件,可以通过工程技术手段实现作物的高效生产。大棚是设施农业的重要形式,能够显著提高作物的抗灾减灾和反季节生产能力。大棚作物的生长状况反映出大棚生产管理的效果,并作为农艺操作和产量预测的依据。为此,开发了通过计算机视觉分析大棚作物的植株颜色和发育阶段等生长信息的方法,利用专家系统挖掘视觉分析数据,评判作物的生长状况,预测后续生长趋势和最终产量。大棚黄瓜的试验结果表明:基于计算机视觉的数据挖掘可以准确评判黄瓜的生长状况,较为准确地预测成熟时期和最终产量,提高了大棚生产的智能化水平。     

基于深度与传统特征融合的非限制条件下奶牛个体识别

针对非限制条件下奶牛的个体识别,提出了一种基于深度特征与传统特征融合的奶牛识别方法。首先利用Mask R-CNN识别站立和躺卧姿态下的奶牛。其次,用两种方法提取奶牛的特征概率向量：用卷积神经网络(Convolutional neural network, CNN)提取Softmax层概率向量形式的深度特征;人工提取并利用近邻成分分析(Neighbourhood component analysis, NCA)选择传统特征,并将其输入支持向量机(Support vector machine, SVM)模型,输出概率向量。最后对两种特征进行融合,并基于融合后的特征采用SVM对奶牛进行分类。对58头奶牛站立和躺卧姿态的数据集进行了个体识别实验,结果表明,对于站立和躺卧姿态下的奶牛,与单独使用深度特征相比,特征融合方法准确率分别提高约3个百分点和2个百分点;与单独使用传统特征相比,特征融合方法准确率分别提高约5个百分点和10个百分点。站立和躺卧姿态下的奶牛个体识别率分别达到98.66%和94.06%。本文研究结果可为智能奶牛行为分析、疾病检测等提供有效的技术支持。