论文部分内容阅读
中国是一个猪肉生产大国，猪只养殖已逐步走向规模化的饲养。伴随养猪业规模化发展而来的是猪场监管不力所导致的效益低下等问题，其中母猪挤压哺乳仔猪的现象较为突出，成为研究的热点问题之一。传统的人工观察由于猪场环境差，观察时间长，人力成本高，已不适应规模化猪场的管理要求。
为了解决以上问题，本文以广东省科技计划攻关项目“基于模式识别的哺乳仔猪生长环境监控系统研究”(项目编号：2009B020315013)为背景，将母猪挤压哺乳仔猪的问题作为研究对象，旨在建立一个用于判别哺乳仔猪是否受到母猪挤压的模型。
本文在深入开展猪场实地调研与查阅相关文献的基础上，经过多次的实验，设计了双摄像机的猪舍视频采集方案。该方案从水平、垂直两个方向，以25帧/s的速度同步采集猪舍视频，并通过图像采集卡转换为数字图像。借助图像处理技术，实现模型所需的母猪和哺乳仔猪形态特征的提取。
通过调研及猪舍视频分析发现，挤压现象发生的前提是母猪状态由站立转向趴卧。因此，本文通过数据分析证明了母猪高度与母猪状态之间的关系，构建了规模一定且自适应的母猪高度样本库，在此基础上，通过母猪高度检测实现母猪由站立转向趴卧状态及母猪处于趴卧状态的判断。在比较母猪面积和周长的分布规律，母猪趴卧面积的波动范围与哺乳仔猪面积大小的基础上，选择面积作为挤压判别因子，建立了趴卧状态下自适应学习的母猪面积样本库，实现母猪标准趴卧面积的自适应更新。
引入数理统计方法，通过数据样本研究发现母猪趴卧面积符合正态分布规律，母猪标准趴卧面积即是正态分布的均值，由于标准差是变量分散程度的重要指标，因此母猪面积的安全上限等于均值加上标准差，从而提出挤压判别准则；结合母猪状态判断和挤压判别准则，构建自适应学习的哺乳仔猪挤压判别模型，并由标准正态分布性质解得模型的误判率为15.87％，从而获得模型的准确率84.13%。
最后，以人工检测结果为检验标准，在高度样本库、面积样本库自适应学习稳定后，以华南农业大学原种猪场实地采集的，母猪由站立转向趴卧、母猪趴卧且与仔猪相接触这两种图像数据对哺乳仔猪挤压判别模型进行检验。结果表明本文构建的哺乳仔猪挤压判别模型在哺乳仔猪受挤压现象的监控中具有良好的效果，并且满足合理性、有效性和可扩展性的要求。