基于机器视觉的猪体质量估测模型比较与.pdfVIP

第 31 卷 第 2 期 农 业 工 程 学 报 Vol.31 No.2 2015 年 1 月 Transactions of the Chinese Society of Agricultural Engineering Jan. 2015 155 基于机器视觉的猪体质量估测模型比较与优化 1 1 2 1※ 李 卓 ，毛涛涛 ，刘同海 ，滕光辉 （1. 中国农业大学水利与土木工程学院，北京 100083 ； 2. 天津农学院计算机科学与信息工程系，天津 300384 ） 摘 要：基于机器视觉的猪体质量估测模型较多，但模型缺乏在实用性、准确性的对比，最佳模型没有定论。该文总结 了已有的估测算法，基于79 组背部图像面积、实际面积、体长、体宽、体高、臀宽、臀高数据，使用线性回归、幂回归、 二次回归、主成分线性回归、RBF （radial basis function ，径向基函数）神经网络等方法，重建了 13 种体质量估测模型， 并比较了 13 种模型的估测精度。结果表明，基于体长、体宽、体高、臀宽和臀高的线性回归模型具有较好的估测精度， 估测值与真值的相关系数达到了 0.996 。利用主成分法去掉体尺的共线性，利用曲线回归解决残差不均匀问题，更加符合 猪体质量增长趋势，结果表明基于主成分的幂回归模型具有较高的相关系数和较低的标准估计误差，对于 97 组数据的估 测平均相对误差为 2.02% 。使用猪场实测24 组数据验证模型，估测质量与测量值相关系数为 0.97，估测平均相对误差为 2.26% ，标准差为 1.78%，优于基于面积和面积体高结合的估测模型，平均绝对误差为 2.08 kg ，优于面积体高结合方法 的平均绝对误差。试验证明使用多个体尺的主成分幂回归体质量估测模型较为精确，可用于机器视觉估测猪体质量的应 用中。 关键词：动物；图像处理；模型；猪；体质量估测 doi ：10.3969/j.issn.1002-6819.2015.02.022 中图分类号：S818；TP391.4 文献标识码：A 文章编号：1002-6819(2015)-02-0155-07 李 卓，毛涛涛，刘同海，等. 基于机器视觉的猪体质量估测模型比较与优化[J].农业工程学报，2015，31(2)：155－161. Li Zhuo, Mao Taotao, Liu Tonghai, et al. Comparison and optimization of pig mass estimation models based on machine vision[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(2): 155 －161. (in Chinese with English abstract) 确等特点，架设在猪体顶部的相机拍摄猪体背部图像， 0 引 言 去掉活动较大的头部和尾部，计算躯干部分的面积，并 在猪的饲养过程中，体质量是一项重要的指标。传 和质量建立回归模型。但这种方法对猪体背部图像限制 统的体质量检测方式采用磅秤、电子称等设备进行，需 较少，容易受到猪体姿势的影响，每日测量的猪体面积 要将猪从猪舍驱赶到称量设备上，整个过程费时费力， 波动较大[7] ，鲁棒性差，个体猪只估测质量平均相对误差 测量一头猪质量需要 2 个饲养员 3～5 min 的时间[1]，且 [7-10] 。群体平均估测质