论文部分内容阅读
本文针对养殖过程中对猪体尺检测的需要以及人工测量存在的问题，依据双目视觉原理，基于ARM设计了一套成本较低的猪体尺检测系统，主要研究内容如下：
(1)基于双目视觉原理对本文所涉及的体长、体宽、体高、臀宽和臀高五个体尺对应的检测方案进行详细介绍。根据图像采集要求进行摄像机选型并设计安装架。搭建图像采集平台并结合标定板图像完成系统校准。介绍检测系统的图像处理算法开发流程，并进行主控制器的选型，设计系统硬件平台。
(2)为获取完整清晰的猪体图像，针对猪所处的复杂背景，从彩色空间分析，滤波，对比度调整三个角度出发，确定了综合RG分量图、双边滤波和直方图均衡化的图像增强手段。针对增强后的猪体图像，可使用Ostu阈值分割结合后处理的方式作为分割手段获取猪体。同时，为进一步提高分割准确度，提出一种可行的基于超像素改进的阈值分割方法，该方法的平均交互比为97.71%，高于传统的Ostu法。
(3)进行猪体尺检测算法的研究，包括测点提取、测点匹配、异常姿态筛选和错误自检四个方面。针对体尺测量点的提取问题，在前人基础上，提出通过拟合椭圆长轴上像素点投影的规律确定头尾位置，并利用包络分析和凹陷结构特征筛选耳根与尾根点，在此基础上完成13个体尺测量点的定位。从特征空间，搜索范围，相似性度量三个方面对传统模板匹配方法进行改进并使用改进后的方法完成体尺测点的匹配。设计姿态筛选算法对弯曲、低头、抬头三类异常图像进行过滤，对非正常图像的筛选率为73.92%，对正常图像的误判率为26.99%。
(4)以体尺检测算法为核心，设计系统的整体软件架构。包括串口通信程序设计，图像抓拍程序设计，数据保存程序设计三个部分。串口通信程序负责与单片机进行通信，接收耳标信息作为触发信号。图像抓拍程序负责在接收到单片机的触发信号后完成图像的自动采集。数据保存程序负责进行原始图像和经姿态筛选算法过滤后图像的分类保存以及体尺测量数据的保存。
(5)对系统进行处理性能试验和猪场试验。通过处理性能试验验证系统对于图像处理算法的执行效率和运行稳定性，该系统对同一组正常图像的处理时间变异系数为0.46%，对正常图像和非正常图像的处理时间均在14s以内，满足体尺检测的效率要求。经过一段时间的猪场试验表明，系统对于自动抓拍图像的平均检测成功率为18.40%，五个体尺的平均相对误差分别为1.84%，6.68%，3.26%，6.48%，2.16%，平均绝对误差在2cm以内，证明了系统进行体尺自动检测的可行性。
(1)基于双目视觉原理对本文所涉及的体长、体宽、体高、臀宽和臀高五个体尺对应的检测方案进行详细介绍。根据图像采集要求进行摄像机选型并设计安装架。搭建图像采集平台并结合标定板图像完成系统校准。介绍检测系统的图像处理算法开发流程，并进行主控制器的选型，设计系统硬件平台。
(2)为获取完整清晰的猪体图像，针对猪所处的复杂背景，从彩色空间分析，滤波，对比度调整三个角度出发，确定了综合RG分量图、双边滤波和直方图均衡化的图像增强手段。针对增强后的猪体图像，可使用Ostu阈值分割结合后处理的方式作为分割手段获取猪体。同时，为进一步提高分割准确度，提出一种可行的基于超像素改进的阈值分割方法，该方法的平均交互比为97.71%，高于传统的Ostu法。
(3)进行猪体尺检测算法的研究，包括测点提取、测点匹配、异常姿态筛选和错误自检四个方面。针对体尺测量点的提取问题，在前人基础上，提出通过拟合椭圆长轴上像素点投影的规律确定头尾位置，并利用包络分析和凹陷结构特征筛选耳根与尾根点，在此基础上完成13个体尺测量点的定位。从特征空间，搜索范围，相似性度量三个方面对传统模板匹配方法进行改进并使用改进后的方法完成体尺测点的匹配。设计姿态筛选算法对弯曲、低头、抬头三类异常图像进行过滤，对非正常图像的筛选率为73.92%，对正常图像的误判率为26.99%。
(4)以体尺检测算法为核心，设计系统的整体软件架构。包括串口通信程序设计，图像抓拍程序设计，数据保存程序设计三个部分。串口通信程序负责与单片机进行通信，接收耳标信息作为触发信号。图像抓拍程序负责在接收到单片机的触发信号后完成图像的自动采集。数据保存程序负责进行原始图像和经姿态筛选算法过滤后图像的分类保存以及体尺测量数据的保存。
(5)对系统进行处理性能试验和猪场试验。通过处理性能试验验证系统对于图像处理算法的执行效率和运行稳定性，该系统对同一组正常图像的处理时间变异系数为0.46%，对正常图像和非正常图像的处理时间均在14s以内，满足体尺检测的效率要求。经过一段时间的猪场试验表明，系统对于自动抓拍图像的平均检测成功率为18.40%，五个体尺的平均相对误差分别为1.84%，6.68%，3.26%，6.48%，2.16%，平均绝对误差在2cm以内，证明了系统进行体尺自动检测的可行性。