基于改进YOLO v5s和图像融合的笼养鸡死鸡检测方法研究

[目的]针对规模化养殖环境下死鸡巡检自动化程度低、人工巡检费时费力等问题,提出一种基于图像配准融合算法和改进YOLO v5s的死鸡检测方法。[方法]为提高死鸡目标特征的显著性,利用SURF算法结合RANSAC算法实现热红外与可见光图像的特征点匹配,采用仿射变换模型得到配准图像,使用小波变换实现图像的分解重构,从而得到最终的配准融合图像;为降低背景信息对死鸡目标检测的干扰,提升模型对鸡只遮挡情况的检测效果,以YOLO v5s目标检测算法为基础,通过加入SE注意力模块,将CIoU_Loss和DIoU_NMS运用于原模型,构成改进后的YOLO v5s-SE模型。[结果]配准融合后的图像与源图像的相关系数平均值达到0.86,体现了良好的配准融合效果;模型在融合图像上的检测准确率以及平均精度均值均高于可见光图像和红外图像,改进后的YOLO v5s-SE相较于原始YOLO v5s在融合数据集上的检测准确率提升了3.3%,达到97.7%。[结论]改进后的YOLO v5s-SE在保证应有检测速度的同时提升了目标检测的精度,可满足实际生产中死鸡实时检测的需求。

产蛋高峰期蛋鸡亚健康评价指标体系的构建

[目的]产蛋高峰期是蛋鸡养殖的关键时期,构建产蛋高峰期蛋鸡亚健康评价指标体系,不仅有利于准确评估鸡群健康并根据鸡群健康状况展开精准饲养与管理调整,也可为无损监测产蛋高峰期蛋鸡健康状况提供参考指标和科学依据。[方法]本文基于对蛋鸡场调研、资料收集和专家咨询,并从鸡群的健康状况、行为表现、生产性能和环境与鸡群信息4个方面初步构建了产蛋高峰期蛋鸡亚健康评价指标集,运用专家咨询法筛选指标确立评价指标体系,通过层次分析法确定指标权重。[结果]共邀请了14位专家进行咨询,专家咨询问卷有效回收为100%,专家权威系数为0.875,肯德尔协调系数为0.386,表明专家积极性、权威程度、意见协调程度均较好,最终确立的评价指标体系包括4个一级指标,27个二级指标。健康状况、行为表现、生产性能和鸡舍环境4个一级指标的权重分别为0.254、0.245、0.253、0.248。[结论]构建的产蛋高峰期蛋鸡亚健康评价指标体系,专家咨询可靠性较好,评价指标覆盖较全面。

畜禽养殖个体信息监测技术研究进展

畜禽养殖个体信息主要包括发情信息、分娩信息、行为信息、体重信息和健康信息。自动化、集约化养殖是养殖业的发展趋势,准确高效地监测动物个体信息有利于分析动物的生理、健康和福利状况,是实现自动化健康养殖和肉品溯源的基础。目前生产中主要依靠人工观测的方式监测动物个体信息,耗时费力且主观性强。本文阐述了畜禽养殖中发情监测、分娩监测、行为监测、体重监测和健康监测等技术的应用研究现状,展望了畜禽养殖个体监测技术后续研究方向。

基于ARM和DSP的农田信息实时采集终端设计

提出了一种基于ARM和DSP的农田信息实时采集终端设计方案,主处理器选用S3C2440,协处理器选用TMS320C6713,在设计的农田信息采集电路基础上设计了HPI驱动程序。利用Multisim对模拟信号采集电路进行放大倍数可调的仿真验证。并将采集到的农田经纬度、图像、土壤温度、土壤含水率、光照强度等信息进行编码。试验表明,该系统能够实时可靠地采集和上传多个传感器信息。延时试验表明,在GPRS网络延时比较严重的时间段容易出现图像显示不完全的现象。

基于动态多特征变量的黄羽肉鸡跛行状态定量评价方法

肉鸡步态是肉鸡健康状态的重要表征,为实现黄羽肉鸡跛行步态的无损自动化快速分类识别,提出了一种基于多特征变量的肉鸡跛行定量评价方法。该方法从步态视频中提取肉鸡的速度、步幅、步幅差、步频、投影面积参数,拟合得出速度、步幅与投影面积具有相关性(决定系数分别为0.805 1、0.793 5),据此定义肉鸡动态理想参数与异常指数,基于C4.5决策树模型,以速度异常指数、步幅异常指数、步幅差异常指数为分类特征,根据鸟类步态评分标准将肉鸡分为GS0~GS4五类,实现对肉鸡跛行状态进行预警和判别。实验结果表明:该模型针对GS0~GS4分类准确率依次为:66%、71%、74%、98%、95%,整体准确率为78%。该模型可作为早期跛行的检测工具,为养殖自动化的实现和动物福利产业的升级提供支持。

基于红外热成像的白羽肉鸡体温检测方法

为了快速、准确地检测肉鸡体温,提出了一种红外热成像技术和深度学习相结合的肉鸡体温检测方法。以卷积神经网络为基础,建立肉鸡头部和腿部的感兴趣区域(Region of interest,ROI)识别模型,提取肉鸡头部和腿部的最高温度,结合环境温度、相对湿度和光照强度,分别构建了基于多元线性回归和基于BP神经网络的肉鸡翅下体温反演模型。试验结果表明,基于深度卷积神经网络(Convolutional neural networks,CNNs)的感兴趣区域识别模型在测试集上的查准率和查全率分别为96. 77%和100%,基于多元线性回归和BP(Back propagation)神经网络的反演模型平均相对误差分别为0. 33%和0. 29%。基于BP神经网络的肉鸡翅下温度反演模型具有更高的准确性,可准确检测肉鸡体温。

基于深层卷积神经网络的初生仔猪目标实时检测方法

针对初生仔猪目标较小、分娩栏内光线变化复杂、仔猪粘连和硬性遮挡现象较为严重等问题,提出一种基于深层卷积神经网络的初生仔猪目标识别方法。将分类和定位合并为一个任务,以整幅图像为兴趣域,利用特征金字塔网络(Feature pyramid network,FPN)算法定位识别仔猪目标;对比了不同通道数数据集以及不同迭代次数对模型效果的影响;该方法支持图像批量处理、视频与监控录像的实时检测和检测结果多样化储存。实验结果表明:在数据集总量相同时,同时包含夜间单通道和白天3通道的数据集,在迭代20 000次时接近模型最优值。模型在验证集和测试集上的精确率分别为95.76%和93.84%,召回率分别为95.47%和94.88%,对分辨率为500像素×375像素的图像检测速度为53.19 f/s,对清晰度为720 P的视频检测速度为22 f/s,可满足实时检测的要求,对全天候多干扰场景表现出良好的泛化能力。

基于主成分分析与Brovey变换的ETM+影像植被信息提取

在ETM+影像全色波段和多光谱数据融合时,Brovey变换是一种较好的融合方法,但是Brovey变换所利用的波段信息量少,并且在对融合后影像分类时常将存在阴影的植被覆盖区误判为水体。因此将主成分和归一化植被指数(NDVI)作为Brovey变换融合时的波段,实验结果显示融合后的影像更利于后期植被信息提取。

生猪自动化养殖装备与技术研究进展与展望

生猪养殖业是我国畜牧业的重要组成部分,持续增长的养殖规模对养殖装备性能要求不断提升,目前我国生猪养殖业正处于智慧畜牧业初级阶段,自动化装备已得到广泛应用,智能化设备正在持续发展。本文分析了当前生猪养殖业中常用的自动化装备和技术,从其在栏体、饲喂、环境控制以及粪污处理方面的技术手段,不同装备的优缺点与适用场景进行对比分析;基于当前发展进程对生猪养殖新阶段的智能装备和技术进行阐述,结合智能感知、物联网、云计算等技术对已有的智能饲喂、环控装备进行分析,并阐述了人工智能技术在生猪养殖设备中的应用,包括机器视觉与语音处理技术在生猪养殖智能检测系统中的应用,以及机器人技术替代人工进行养殖作业的发展。最后总结了当前生猪自动化养殖装备发展的研究重点,并展望了生猪自动化、智能化装备研究的发展趋势。

水果品质检测中的模糊阈值分割方法

为实现利用机器视觉技术进行水果检测分级 ,对水果检测图像的分割进行了研究。依据模糊集合理论 ,提出了先验知识引导的自适应模糊阈值分割算法 。

农作物边缘提取方法研究

为实现复杂农作物边缘检测 ,提出了用低通滤波对原始图像进行预处理 ,然后采用给定阈值的图像二值化 ,再利用二值膨胀滤除细小纹理 ,最后依照先验知识获得较完善的农作物边缘的方法。通过收获季节实验证明该方法是可靠的 。

农田信息采集单多跳共存LEACH算法

针对农田环境信息量丰富的特点,提出一种基于LEACH算法的改进型无线传感器网络路由算法——LEACH-SMC。在LEACH-SMC算法的稳态阶段,簇头节点到基站间通信采用临界距离来判断和选择多跳或单跳方式,在多跳方式中采用基于最小能量消耗的路由方式。应用M atlab对LEACH-SMC算法和LEACH算法进行仿真对比分析,结果表明,LEACH-SMC算法能提高网络有效覆盖面积并延长整个网络的寿命。

基于ETM+遥感影像的森林植被信息提取方法研究

以南京市区的遥感影像图为研究对象,对基于ETM+遥感影像的森林覆盖面积提取的一般方法进行研究。笔者分析了ETM+影像波段的特征值和相关性,得出TM3、TM4、TM5之间的相关性小,包含信息量丰富;采用Brovey变换将TM3、TM4、TM5与PAN波段融合,并提出用融合后的波段TM4R和TM3R作归一化植被指数,得到NDVIR;然后利用最大似然法对融合图像和NDVIR的组合图像进行分类,根据分类结果计算出南京市森林覆盖率为38.63%。

基于形态学的农田景物区域检测技术

研究了形态学在农田景物区域检测中的应用 ,通过形态学分析对农田景物区域进行了形态特征提取 ,在此基础上利用先验知识对各区域进行了识别分类。试验表明 。

基于深度神经网络的猪咳嗽声识别方法

猪只呼吸道疾病易传染,影响猪的养殖生产效率,咳嗽是呼吸道疾病的显著症状之一,为识别猪只咳嗽声,提出了一种基于深度神经网络的识别方法。对声音信号进行谱减法去噪和双门限端点检测后分别提取梅山猪咳嗽及喷嚏、鸣叫、呼噜声的滤波器组(Log_filter bank,logFBank)和梅尔频率倒谱系数(Mel frequency cepstral coefficents,MFCC)特征,每种特征与其一阶及二阶差分组合作为卷积神经网络(Convolutional neural networks,CNNs)和深层前馈序列记忆神经网络(Deep feed forward sequential memory networks,DFSMN)咳嗽声识别模型的输入,进行多分类训练。对比不同特征提取方法及不同迭代次数对模型效果的影响,实验结果表明,以MFCC作为特征输入的CNNs模型效果较优,测试集上咳嗽声识别精确率为97%,召回率为96%,F1值为98%,总体识别准确率为96.71%。表明该模型有效可行,可为生猪福利养殖中猪咳嗽声识别提供技术支持。

基于农田景物边缘的农业机器人自定位方法

自主行走农业机器人自定位技术是导航系统的关键技术 ,本文通过对机器人的近景成像几何建模 ,提出了利用虚点提取和检测实现从图像到场景现实空间的三维计算 ,并确定机器人与路径的相对位置、方向 ,从而获得了自定位信息的方法。

农业机器人视觉导航技术发展与展望

概述了农业机器人主要的导航方式 ,综合分析了目前国内外视觉导航研究现状及存在的问题 。

基于小波变换的农田景物边缘检测

依据农田景物图像的基本特点 ,提出用零点反对称紧支撑二进小波检测图像中的边缘。运用此方法在计算机上对图像做边缘提取 ,得到了连续、光滑、单像素宽的边缘链图像。表明这种边缘提取方法有效、可行。

信息感知技术在畜禽养殖中的研究进展

信息化是畜禽养殖业发展的必然趋势,对养殖过程中环境和生长等信息的有效监测,有助于实现低成本、高效率和高收益的生产过程。智能信息感知技术的应用满足了规模化养殖条件下海量信息的自动化监测需求,为解放生产力、实现节本增效提供了技术支持。本文阐述了信息感知技术对畜禽养殖过程中环境监控、畜禽关键生长信息感知和畜禽疾病预警的主要研究方法,包括传感器技术、图像处理技术、音频处理技术、热红外技术等;分析了当前主流方法应用于该领域的准确性、有效性与泛化性;总结了信息感知技术在畜禽养殖业中未来的研究重点,并对其未来发展方向做出展望。

双电源架构的低功耗温室环境感知节点设计

为提高电池能量利用率,降低温室环境无线采集节点功耗,延长节点寿命,以16位低功耗MCU(MSP430F149)和CC1101射频模块进行温室环境无线采集节点硬件设计,电源管理模块采用TPS63031芯片实现双电源供电,即节点在工作和休眠状态下分别采用3节AA南孚电池和1节3 V纽扣电池供电,通过DC-DC转换,电池可使用能量提高22.8%。软件协议采用有限状态机(FSM)模型设计,实现节点工作模式和休眠模式的任务调度,使节点休眠时进入LPM3深度休眠,大大降低节点功耗。电池放电试验和节点性能测试试验表明,在设定30 min采集周期下,设计的供电方案可保证节点11 019.8 h(约459.2 d)的可靠使用寿命。