[发明专利]一种基于面积特征算子的猪的呼吸频率检测方法

说明书

技术领域

本发明属于机器视觉技术领域,具体涉及一种基于面积特征算子的猪的呼吸频率检测方法。

背景技术

呼吸检测是医学和自动化研究领域的重要课题。国内外对人体呼吸检测的研究较多，但对动物呼吸频率检测的研究较少。运用在人体呼吸检测的一些手段和方法，如红外线，超声波，激光，体外传感器等，无法移植到动物的呼吸监测上来或者无法实现非接触式的检测。目前对动物特别是对猪的呼吸频率检测，主要还是靠人工观察来检测识别。该方法耗时耗力，尤其在人力成本高昂，科技进步的时代背景下，人工检测方法已不再适合于农业自动化发展的需要。

2011年，纪斌，朱伟兴等建立了一个基于脊腹线的模型，得到了一个与呼吸相关的二维信号，实现了基于机器视觉的猪的呼吸频次检测，取得了较好的实验效果。但由于该方法通过测定猪的脊腹线的变化来检测呼吸快慢，猪轮廓的图像预处理的精度会直接影响呼吸检测，结果过于敏感；其次该方法前期采用简单的背景相减法只能得到粗糙的轮廓，对实验结果会造成较大影响；再者该方法后期并没有对呼吸信号进行必要处理，在一定程度上也会影响结果的可靠性。

发明内容

为了克服现有技术耗时耗力，可靠性不高，检测误差大的不足。本发明提供一种基于面积特征算子的猪的呼吸频率检测方法。采用先进机器视觉技术，实现非接触式、无侵入性的猪的呼吸频率测量，为猪的呼吸频率检测提供一种新的方法。

本发明解决其技术问题所采用的技术方案是：

一种基于面积特征算子的猪的呼吸频率检测方法，包括如下步骤：

（1）使用相机拍摄猪的视频；

（2）在计算机软件平台上进行视频分帧处理，将视频图像转换成图片；

（3）对图片进行预处理和优化，将图片中猪的前景轮廓提取出来；

（4）构建、提取及测量猪的脊腹区域面积特征算子；

（5）利用小波分析对猪的呼吸信号进行优化处理和峰值点检测，得到猪的呼吸频次N；

（6）计算猪的呼吸频率。

进一步地，所述步骤（3）中的图片预处理和优化，包括如下步骤：

A.对图片进行色度优化，提高整张图像的对比度；

B.对图片进行阈值分割，初步提取出猪的轮廓；

C.对图片采用边界跟踪算法，过滤掉部分离散点，进一步提取猪的轮廓图；

D.对图片采用Roberts算子，精确提取猪的轮廓；

E.对图片进行反色变换和开闭运算，去除小颗粒噪声，填充目标内部细小空洞，得到完整、清晰的猪的轮廓。

进一步地，所述步骤（4）中的构建、提取及测量猪的脊腹区域面积特征算子，包括如下步骤：

A.求取目标图像质心，计算公式为：和其中n为猪的轮廓线上所有像素点的个数；（x_i,y_i)是轮廓线上像素点的坐标；

B.提取并计算过质心的连接线，计算公式为：L=abs(y_C1-y_C2)，L为所需的过质心的连接线长度，交猪的脊背于点C1，交腹部为点C2，其中y_c1,，y_c2分别为C1，C2两像素点在图像中的纵轴上的相对坐标，abs（）为取绝对值运算符；

C.计算面积区域的宽度，计算公式为：W=L×λ，W为宽度，L为为所需的过质心的连接线长度，λ为调节常数；

D.提取面积特征算子，计算公式为S为构建的面积特征算子，W为面积特征算子的宽度，Li为宽度W内i点的猪脊部轮廓线上的截距长度，L为i等于零时的过质心的截距长，即L_i=0=L。

进一步地，所述步骤（5）中的利用小波分析对猪的呼吸信号进行优化处理和峰值点检测,包括如下步骤：

A.对每一帧图片提取一个面积特征算子，进行归一化处理，以处理值为纵坐标，图像对应的帧数为横坐标，构建一个二维坐标曲线；

B.采用DB3小波对猪的呼吸信号进行离散小波变换，做2层小波分解；

C.选用全局阈值进行信号增强处理，消除信号毛刺；

D.对呼吸信号进行波峰检测，得到猪呼吸的频次N。

进一步地，所述步骤（6）中的猪的呼吸频率计算，计算公式为：F为每分钟呼吸频率，N为检测得到的呼吸频次，t为耗时。