及時(shí)檢測(cè)奶牛發(fā)情、適時(shí)人工授精、減少空懷奶牛,是奶牛養(yǎng)殖場(chǎng)增加產(chǎn)奶量的關(guān)鍵手段。針對(duì)基于運(yùn)動(dòng)量和體溫等體征的接觸式奶牛發(fā)情識(shí)別方法會(huì)造成奶牛應(yīng)激反應(yīng)且識(shí)別準(zhǔn)確率不高的問題,提出了一種非接觸式奶牛發(fā)情行為自動(dòng)識(shí)別方法。該方法首先使用改進(jìn)的高斯混合模型實(shí)現(xiàn)運(yùn)動(dòng)奶牛目標(biāo)檢測(cè),然后基于顏色和紋理信息去除干擾背景,再利用Alex Net深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練奶牛行為分類網(wǎng)絡(luò)模型,識(shí)別奶牛爬跨行為,最終實(shí)現(xiàn)對(duì)奶牛發(fā)情行為的自動(dòng)識(shí)別。在供試數(shù)據(jù)集上的試驗(yàn)結(jié)果表明,本文方法對(duì)奶牛發(fā)情的識(shí)別準(zhǔn)確率為100%,召回率為88. 24%。本文方法可應(yīng)用于奶牛養(yǎng)殖場(chǎng)的日常發(fā)情監(jiān)測(cè)中,為生產(chǎn)管理提供輔助決策。

【文章頁數(shù)】：9 頁

【部分圖文】：

圖1 攝像機(jī)安裝位置及視野圖像

本研究視頻采集自陜西省寶雞市扶風(fēng)縣西北農(nóng)林科技大學(xué)畜牧實(shí)驗(yàn)基地奶牛養(yǎng)殖場(chǎng)，經(jīng)實(shí)地考察和調(diào)研，發(fā)現(xiàn)奶牛爬跨行為主要發(fā)生在養(yǎng)殖場(chǎng)的奶�；顒�(dòng)區(qū)，故選擇對(duì)奶�；顒�(dòng)區(qū)進(jìn)行視頻采集。奶�；顒�(dòng)區(qū)長(zhǎng)30m，寬18m，視頻采集角度選擇場(chǎng)邊俯視，在奶牛活動(dòng)區(qū)的對(duì)角線位置各安裝2個(gè)分辨率為200萬....

圖2 奶牛發(fā)情行為自動(dòng)識(shí)別方法流程圖

(3)奶牛爬跨行為識(shí)別:從視頻中提取奶牛的躺臥、爬跨、站立、游走等行為圖像，使用AlexNet深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練奶牛行為分類網(wǎng)絡(luò)模型，模型可識(shí)別爬跨行為，用以判斷奶牛發(fā)情。1.3奶牛發(fā)情行為識(shí)別方法

圖3 不同γ下的圖像增強(qiáng)結(jié)果

圖3為γ取不同值時(shí)的結(jié)果。由圖3可以看出，原始圖像整體偏暗，畫面遠(yuǎn)端的奶牛與背景對(duì)比度不足，對(duì)目標(biāo)輪廓的辨識(shí)較為困難;經(jīng)圖像增強(qiáng)校正后，當(dāng)γ=0.5時(shí)，圖像亮度提高，但提高過度，引入了新的白噪聲，導(dǎo)致圖像清晰度下降;γ=0.8時(shí)，圖像亮度提升較好，圖像對(duì)比度提升，遠(yuǎn)端奶牛的辨識(shí)度....

圖4 不同窗口下的中值濾波結(jié)果

圖3不同γ下的圖像增強(qiáng)結(jié)果由于供試視頻拍攝位置及角度固定，拍攝成像的奶牛場(chǎng)區(qū)域固定，且奶牛的活動(dòng)范圍被限制在圍欄內(nèi)，不會(huì)出現(xiàn)奶牛超出圍欄區(qū)域活動(dòng)，因此確定圍欄內(nèi)的奶�；顒�(dòng)區(qū)為視頻拍攝的有效區(qū)域，為減少不必要的干擾，通過掩膜法掩去視頻內(nèi)容中的無關(guān)區(qū)域，如圖5所示，后期對(duì)奶牛的目標(biāo)....

本文編號(hào)：4055814