基于信息融合的豬只檢測研究

孫 娟，吳洪昊

(江蘇聯(lián)合職業(yè)技術(shù)學(xué)院鹽城生物工程分院，江蘇 鹽城 224051)

0 引言

農(nóng)業(yè)信息化是整個農(nóng)業(yè)發(fā)展的趨勢，每頭豬的信息從出生到死亡的每一件事都記錄在與他對應(yīng)的唯一號碼上，相當(dāng)于身份證一樣。那么對豬運(yùn)動信息的跟蹤也就顯得尤為重要。豬是一種社會性動物，通過打架來確定社會地位。由于豬只運(yùn)動的復(fù)雜性，普通的車輛跟蹤算法無法對多豬只進(jìn)行軌跡跟蹤。本文利用圖像信息融合算法實現(xiàn)了豬只的精確檢測，解決了豬只重疊等問題。

1 基于信息融合的豬只檢測算法

1.1 改進(jìn)的檢測算法

本文提出了一種將高斯混合建模和Mean shift 分割算法相結(jié)合的方法，巧妙地解決了目標(biāo)檢測問題。具體步驟如下：

1.1.1 設(shè)定初始幀僅包含背景不含目標(biāo)，用來防止豬的靜止或緩慢運(yùn)動的情況，如果相鄰兩幀視頻的差分結(jié)果為0，我們讓當(dāng)前幀視頻與初始幀視頻作差分提取結(jié)果，設(shè)定檢測閾值，當(dāng)檢測結(jié)果太小時，視為背景噪聲如豬的糞便、光照的變化等等。

1.1.2 將GMM 算法和Mean shift 分割算法的結(jié)果進(jìn)行二值化，分別記為FG(i)、FM(i)，其中i 為視頻幀序號，并對結(jié)果進(jìn)行二值化。

1.1.3 在均值分割算法結(jié)果FM(i)中，利用兩遍掃描法，檢測并掃描白色像素點的位置，并記錄像素個數(shù)為M(j)，其中j 為區(qū)域的序號。

1.1.4 統(tǒng)計GMM 算法處理結(jié)果中像素個數(shù)，碰到低于閾值的情況，令FG(i)= FG(i-1)；

1.1.5 在FM(i) 區(qū)域找出相應(yīng)FG(i) 區(qū)域內(nèi)的白素像素點個數(shù)， 記為G(j)，令μ=G(j)/ M(j)，設(shè)置閾值μ*，當(dāng)μ＞μ*時，為有效區(qū)域，否則為黑色，本文中μ*=0.35，該值為實驗判斷值。

1.2 實驗與結(jié)果

高斯混合建模檢測結(jié)果顯示，豬的部分形狀存在缺失現(xiàn)象，原因是豬存在運(yùn)動緩慢或者靜止現(xiàn)象。

均值分割算法的結(jié)果檢測精確度不高。經(jīng)過信息融合的結(jié)果?？梢钥闯鼋?jīng)過改進(jìn)，起到很好的目標(biāo)檢測效果，改進(jìn)的算法具備很好的檢測效果。

2 結(jié)語

隨著農(nóng)業(yè)信息化的不斷發(fā)展，智能化養(yǎng)殖是養(yǎng)殖產(chǎn)業(yè)轉(zhuǎn)型升級的推進(jìn)器，本研究主要針對豬的運(yùn)動軌跡跟蹤展開豬的運(yùn)動檢測，在分析傳統(tǒng)檢測算法的前提下，結(jié)合豬舍實際的背景環(huán)境，提出GMM 和Mean shift 相結(jié)合的算法，通過兩邊掃描法成功提取豬目標(biāo)，并進(jìn)行了實驗對比，驗證了算法的可行性。

本研究可應(yīng)用于豬只智能養(yǎng)殖系統(tǒng)，推動產(chǎn)業(yè)的轉(zhuǎn)型升級。鑒于當(dāng)前豬只養(yǎng)殖的自動化程度還不高，數(shù)據(jù)模型不完善，特別是在對豬的病情診斷方面，仍然需要人工來完成。下一步將利用卷積神經(jīng)網(wǎng)絡(luò)技術(shù)學(xué)習(xí)不同病情豬叫聲的樣本數(shù)據(jù)，形成訓(xùn)練模型，從而可對豬的病情進(jìn)行判斷。