猪体关键角点检测与轮廓分析算法研究.pdfVIP

猪体关键角点检测与轮廓分析算法研究 付为森，滕光辉’ (中国农业大学水利与±木I程学院设施＆业生物Ⅱ境I程重点开放实验室．北京．100083) 摘要：通过对关键角点检测算法和轮廓分析算洁的研究，解旃丁基于双日视觉的猪体形监测技术中的挂车拇题． 设计斗实现7基于轮廓的舟点提取算法，成功提取ⅢT猪体背部的}个关键角点。根据关键舶点的检测结果．将 猪体轮廓分割成r前胸部、腹部、臀部三部分，井Wm件背目各个轮廓进行TK墙特征的提R和丹折．为进一步 研究打下T基础。 关键字；种猪关键角点：检测；轮廓分析 0引言 在养猪生产中，猪的体形、体重是描述猪体状况的重要指标参数“’。这些信息不仅可以反映 猪体生蚝状态，也可以反映猪的营养及肌体状况，更为重要的是可以通过猪体形体重信息选扦昂 佳屠宰时间以获得最佳经济效益．且可为宰杀后猪肉等级评定提供依据”“。对丁种猪来说，猪 体的这些生眭信息也是考察猪生产性能的重要指标”1。因此，实现对猪体尺体重菩信息及时、精 确、便捷地获取并综台利用这些信息，不仅可咀为生产的精细管理提供重要依据对经营挑策也具 有重要意义， 本研究最终目的是实现利H{图像工程技术实时拍摄、获取猪体图像，通过分析数字图像来获 取猪的体K、体高、体宽、背部周长、面积等易获取的体型参数，估算体重等其它不易获取的参 数，旨在虽终实现实时监测和获取猪的生K情况，及时、准确地为生产管理和经营抉策提供依据。 选方面的研究已经有所开展．主要是体尺之间及体尺与体重2间相关性、…，杨艳等还利用设置标 尺的方式研究了利川图像技术估算种猪体重的模型”…。与传统方法相比．这种无接触的监测方式 减少了对猪体的应激和物理伤害，节省大量的人力物力。然而，对猪体进行检测的关键一步就是 找到猪体背部的关键点，对猪体背部轮廓进行分割，通过左右图像匹配实现对猪体尺的测量。欲分 割的效果如F图 图1对猪体背部进行分剖的效果 The of onto baok Figurelexpectati∞effectoartitipig lⅫ l 作者简介付为森，博i，北京市清华东路17口中国农业^学东妊195目信箱，Em…l；器。爨鬻，嚣耥瓣器#黧渊i鬻(2005BA。D…14801000831”f,‘s24。。yahoo。。c“ ‘通讯作者：滕光辉，救授，博±生导师，北京市清华末路17号中国农业大学东区1950信箱，100083 Email educn futong@cau 在找到猪体背部十个关键点后，猪体背部将被分割成三个部分，并可计算出猪体的体宽、体 长参数以及各个部分的周长、面积，为进一步检测实际体尺和面积打下基础。针对此问题，对关 键角点检测算法和轮廓分析算法的研究。 1算法原理 利用边缘提取算获得猪体背部轮廓图像后，将轮廓图像存储为二值图像。然后对图像上每一 象素求取其最小特征值，并将结果存储为临时图像变量中，该变量具有与原图像相同的尺寸。对于 这个l临时图像，在N×N邻域中，如：3×3，进行非最大抑制，即求取该邻域中的特征值局部最大 值；进一步将小于某临界值的最小特征值排除掉，剩余特征值多对应的点既是所要寻找的角点。 最后首先保留最强的一个角点，然后检查新的角点与已有角点之间的距离是否大于设定值，满足 距离要求的点即可能是所要求的关键角点，实现对角点的筛选噜1。 1．1图像的预处理及轮廓提取 为了降低噪声对后续处理的影响，首先对图像进行预处理，这里主要进行了高斯滤波。以3 ×3模板为例，利用以下模板对图像进行卷积运算。 1 2 l 2 42 Ml= 1 2 1 可以用不同大小的模板进行多次高斯滤波，以减低噪声影响。 进行预处理之后的图像，通过Canny边缘检测算法，将获得的轮廓存储为二值图像[10]。典 型的边缘检测核矩阵如下：