利用机器视觉技术进行母猪分娩检测

利用机器视觉技术进行母猪分娩检测

规模化、集约化、自动化养猪将成为养猪业的发展趋势。

引言

在传统养殖方式中，母猪分娩监测主要依赖饲养员的连续观察，人力负担繁重，工作效率低，容易出现因疏忽而造成仔猪死亡，另外，人与猪接触增大了人畜共患病的传播机率。母猪分娩是养猪生产过程中关键环节之一，准确、实时地检测母猪分娩对实现母猪自动化养殖具有重要意义。

国内外除了开展产前检测[1]，已经开展了自动检测母猪分娩的研究。Labrecque等[2]提出采用热红外传感器监测分娩限位栏的仔猪活动区，一旦检测到仔猪出现在活动区就通过寻呼机通知饲养员，但是仔猪刚生下时不一定很快到达活动区，导致该系统检测的实时性不高。陈广林等[3-4]发明了一种母猪分娩报警装置。检测器能够放置在临产母猪的产道内，在母猪分娩开始时被顶出产道，并无线发送检测信号。目前尚未有利用机器视觉技术进行母猪分娩检测的报道。

随着机器视觉技术的发展，该技术在养猪行业得到了广泛应用[5-10]。为了实时检测母猪是否分娩，需对产床内母猪和仔猪进行目标识别。本文在分析母猪分娩视频图像特征的基础上，提出基于半圆匹配算法的母猪分娩图像分割方法和基于改进单高斯模型的运动目标检测方法，为建立基于机器视觉技术的母猪分娩检测系统提供技术支撑。

1材料与方法

1.1试验材料

母猪分娩的视频图像采集在江苏省常州市康乐农牧有限公司进行，选用16头长白母猪为试验对象，试验母猪均在产床内分娩，猪栏床面为铁丝网漏粪地板。视频图像采集设备为″CMOS数字摄像机，图像像素为：640×480，光源为LED灯。为了方便检测母猪分娩，摄像机安装在靠近母猪尾部的产床上方，相对产床床面高15m。采用PC进行视频图像处理，开发软件为VC++60。

1.2母猪分娩视频图像特征分析

在母猪分娩的视频图像中，运动目标有母猪和仔猪，背景为产床床面。为了检测母猪是否分娩，需有效识别图像中是否存在仔猪目标。新生仔猪一般是不断运动的，可以采用运动目标检测方法对仔猪进行识别，但由于母猪的运动会造成误判，因此利用机器视觉技术检测母猪分娩分两步实现：①基于半圆匹配算法分割出视频图像中母猪目标，排除母猪对目标识别的干扰。②基于改进单高斯模型进行运动目标检测，根据运动区域的颜色和面积特征，完成对仔猪目标识别。随机截取母猪分娩视频中一帧图像，如图1所示。

由图1b可以看出，灰度直方图中没有明显的波峰，分布范围较大。从图1c二值化图像可以看出，灰度大于阈值117的区域大部分是母猪和仔猪图像，但目标提取并不完整，并且存在很多干扰。由于仔猪与母猪的颜色比较相近，特别是与母猪臀部的颜色很接近，因此，仅利用颜色特征的简单运算，不能区分出母猪和仔猪目标。视频图像的目标识别一般是利用颜色、纹理、形状、运动或多特征融合进行分析处理[11]。从母猪和仔猪的形状特征分析，母猪在分娩过程中一般都是侧卧状态[12]。母猪侧卧时臀部轮廓近似于圆弧，可以利用圆弧形轮廓对母猪目标进行分割。从图1c可以看出，由于母猪外阴附近皮肤为暗红色，在二值化图像中为黑色，造成母猪臀部轮廓检测不完整。本文提取了原始图像的R、G、B分量图像并二值化，如图2所示。

从图2可以看出，由于母猪和仔猪颜色偏红色，R分量二值化图对母猪和仔猪目标提取较为完整，母猪臀部轮廓更接近圆弧，因此，本文采用R分量二值化图进行母猪目标分割。