CN105766789A - 鸡只的体质健康检测方法和*** - Google Patents
鸡只的体质健康检测方法和*** Download PDFInfo
- Publication number
- CN105766789A CN105766789A CN201610141730.2A CN201610141730A CN105766789A CN 105766789 A CN105766789 A CN 105766789A CN 201610141730 A CN201610141730 A CN 201610141730A CN 105766789 A CN105766789 A CN 105766789A
- Authority
- CN
- China
- Prior art keywords
- chicken
- physical health
- days
- image
- wings
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 241000287828 Gallus gallus Species 0.000 title claims abstract description 256
- 230000036541 health Effects 0.000 title claims abstract description 73
- 238000001514 detection method Methods 0.000 title claims abstract description 23
- 235000013330 chicken meat Nutrition 0.000 title abstract description 199
- 238000000034 method Methods 0.000 claims abstract description 32
- 235000003642 hunger Nutrition 0.000 claims description 40
- 230000037396 body weight Effects 0.000 claims description 38
- 230000008569 process Effects 0.000 claims description 25
- 230000037351 starvation Effects 0.000 claims description 17
- 238000012417 linear regression Methods 0.000 claims description 16
- 238000007477 logistic regression Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 9
- 238000005303 weighing Methods 0.000 claims description 8
- 229910000838 Al alloy Inorganic materials 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 238000001125 extrusion Methods 0.000 claims description 5
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 3
- 230000001413 cellular effect Effects 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims description 2
- 238000007619 statistical method Methods 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 claims description 2
- 230000001419 dependent effect Effects 0.000 claims 1
- 238000002474 experimental method Methods 0.000 abstract description 7
- 238000012512 characterization method Methods 0.000 abstract 1
- 230000000877 morphologic effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 12
- 238000010010 raising Methods 0.000 description 10
- 244000144977 poultry Species 0.000 description 7
- 235000013594 poultry meat Nutrition 0.000 description 7
- 238000011161 development Methods 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 6
- 230000037213 diet Effects 0.000 description 4
- 235000005911 diet Nutrition 0.000 description 4
- 244000144972 livestock Species 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 235000013372 meat Nutrition 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000009395 breeding Methods 0.000 description 3
- 230000001488 breeding effect Effects 0.000 description 3
- 235000013601 eggs Nutrition 0.000 description 3
- 238000009313 farming Methods 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 235000015278 beef Nutrition 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000050 nutritive effect Effects 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 206010003210 Arteriosclerosis Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 208000018756 Variant Creutzfeldt-Jakob disease Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 235000001014 amino acid Nutrition 0.000 description 1
- 150000001413 amino acids Chemical class 0.000 description 1
- 235000021120 animal protein Nutrition 0.000 description 1
- 238000009360 aquaculture Methods 0.000 description 1
- 244000144974 aquaculture Species 0.000 description 1
- 208000011775 arteriosclerosis disease Diseases 0.000 description 1
- 206010064097 avian influenza Diseases 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 208000005881 bovine spongiform encephalopathy Diseases 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 235000021393 food security Nutrition 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 238000009318 large scale farming Methods 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 235000013622 meat product Nutrition 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 238000011321 prophylaxis Methods 0.000 description 1
- 235000018102 proteins Nutrition 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 206010048282 zoonosis Diseases 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K67/00—Rearing or breeding animals, not otherwise provided for; New or modified breeds of animals
- A01K67/02—Breeding vertebrates
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Zoology (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明公开了一种鸡只的体质健康检测方法和***。提取鸡只下落实验中形态特征参数,对数据进行分析处理后建立鸡只体质健康指标。搭建一个可调节高度的平台,平台中间做一对电磁门,电磁门由平台上一个手动开关控制。平台侧面、顶部各放置一个高清摄像头。把鸡只放在电磁门处,从同一高度落下来,高清摄像头记录下录像,获得鸡只下落过程中的振翅数,下落后用称重仪测量下鸡只体重,记录鸡只日龄,提取鸡只体质健康表征数据与已建立的鸡只体质健康指标比照。本发明主要用于测量鸡只的体质健康,设计简单,结构合理,能准确反映鸡只体质健康情况。
Description
技术领域
本发明涉及一种家禽体质检测方法和***,尤其涉及了一种鸡只的体质健康检测方法和***,可对雏鸡和成鸡进行体质健康检测。
背景技术
伴随工业化、城镇化深入推进,我国农业农村发展正在进入新的阶段,呈现出农业综合生产成本上升、农产品供求结构性矛盾突出等发展态势。农产品需求总量刚性增长、消费结构快速升级,农业对外依存度明显提高,面临着保障国家粮食安全和重要农产品有效供给的艰巨任务。因此必须顺应阶段变化,加快发展现代农业。现代农业的主攻方向是提高农业综合生产能力、抗风险能力和市场竞争能力,促进农业生产经营专业化、标准化、规模化、集约化。可见,提高农业产业竞争优势,保障重要农产品的有效供给是发展现代农业的基本任务。
众所周知畜产品供求状况是和粮食问题紧密相连的关乎“中国能不能养活自己”的大问题。改革开放以来,随着经济增长、生活水平提高以及城市化进程的加快,人们对肉、蛋、奶等畜产食品中的消费需求不断增加,畜产品在食品中的消费比例呈现出上升趋势。从畜产品内部看,禽肉是重要的动物蛋白来源,由于脂肪含量低,易于消化,味道鲜美,蛋白质含量高,营养价值高于猪、牛、羊肉,价格低于其他肉类,并能被不同文化背景和宗教信仰的人所接受,目前已取代牛肉成为世界上第二大消费肉类,是世界各国人民普遍喜爱的肉食品。禽蛋的营养价值高,富含人体所需的各种蛋白质和氨基酸,具有健脑益智、保护肝脏、防止动脉硬化、预防癌症、延缓衰老等功能,消费需求不断上升。2010年中国鸡肉消费量1245.70万吨,占世界总消费量的16.21%,居世界第2位;禽蛋消费2520.09万吨,占世界总消费量的42.57%,位居世界第1位。家禽业的迅猛发展,已经成为农业和农村经济中的支柱产业,对农村稳定、农业增效、农民增收发挥了非常重要的作用。但是随着家禽业的规模化、商业化发展,越来越多的人开始关注行业的安全和可持续发展,健康养殖问题已成为人们关注研究的焦点。
随着经济水平的提高,人们的膳食结构和消费观念发生了很大变化,更加关注自身的健康,并且注意到了膳食结构与健康的关系。现在很多疾病的发生都被证明与日常饮食和膳食结构有关,特别是疯牛病、禽流感等人畜共患病的发生,更是令人色变。因此,家禽业必须也应该主动生产适应人们现代健康安全膳食所需要的畜产品,这是畜牧业可持续发展的关键所在。
家禽的大规模养殖,对家禽的体质和健康剔除了严重的挑战,直接影响到家禽品质。此外,遗传工程技术应用于肉鸡、肉种鸡、蛋鸡后,在充分提高了生产性能的同时,也使得家禽个体变得更脆弱,对疾病变得更易感。家禽的体质检测很重要,严重影响着家禽的发病率和死亡率,也直接影响着企业的效益。
发明内容
为了解决背景技术中存在的问题,本发明提供了一种鸡只的体质健康检测方法和***,通过检测到的数据,初步鉴别鸡只的体质健康情况,对鸡只的饲养状况进行指导。
本发明解决其技术问题所采用的技术方案是:
一、一种鸡只的体质健康检测方法:
通过高速摄像机采集被测鸡只自由落体过程中的视频,下落后用称重仪测量鸡只体重,同时记录鸡只日龄,运用图像处理从中提取鸡只下落过程的振翅数,将鸡只日龄、体重、振翅数一起作为有效特征参数与鸡只体质健康模型进行匹配。
通过可调高度框架将被测鸡只凌空固定,等待30s待鸡只稳定后,打开电磁门开关,鸡只自由下落,下落后用称重仪测量鸡只体重,同时记录鸡只日龄,用高速摄像机采集鸡只下落过程的视频。
所述的鸡只凌空固定在1.5m高度。
本发明所述方法具体为:
1)先采集样本鸡只下落实验中视频,下落后称重,同时记录各个鸡只的日龄:采用已饥饿1、12、24、36、48小时和不饥饿的鸡只,鸡只逐只自由下落,用高速摄像机采集鸡只自由落体过程中的视频,运用图像处理获得各个鸡只下落过程的振翅数;
2)建立鸡只体质健康模型:根据获得的鸡只饥饿时间、日龄、体重、振翅数进行线性回归分析和Logistic回归分析,建立鸡只体质健康模型和Logistic回归模型;
3)采集被测鸡只自由下落的视频,下落后称重同时记录鸡只的日龄,运用图像处理获得鸡只下落过程的振翅数,将获得的有效特征参数日龄、体重、振翅数与鸡只体质健康模型进行匹配,得到鸡只的饥饿度,以鸡只的饥饿度表征鸡只的体质健康。
所述图像处理获得振翅数具体为:
建立背景图像:将视频中前5帧的平均图像作为背景图像B0;
提取差分图像:将CCD相机采集到鸡只下落图像与背景图像B0作差,取其绝对值,获得差分图像D1,D2……Dn,n表示图像的序数;
截取差分图像:差分图像D1,D2……Dn中取矩形的感兴趣区域R1,R2……Rn,感兴趣区域由CCD相机与装置的相对位置决定,对感兴趣区域R1,R2……Rn进行阈值为50的阈值分割,分割后图像中像素值为1的区域为鸡只区域,像素值为0的区域为背景区域,再以大小为3的单元结构体进行开运算,最后删除面积小于200像素的区域,获得处理后各张图像P1,P2……Pn;
通过连通区域统计方法计算得到处理后的图像P1,P2……Pn中小鸡区域的宽度W1,W2……Wn,将宽度值W1,W2……Wn与其各自对应的帧数1,2……n分别作为纵坐标、横坐标获得宽度变化曲线,曲线值增减代表小鸡振翅过程;
最后通过五点线性平滑处理后获得曲线中极大值点数,作为鸡只的振翅数。
通过五点线性平滑处理后计算极大值点数,极大值点数即小鸡的振翅数。
所述的鸡只体质健康模型采用线性回归分析或者Logistic回归分析获得。
所述的鸡只体质健康模型采用以下公式,表示的鸡只体质健康线性回归模型:
y=0.977x1-0.035x2-0.921x3+0.555
其中,y表示鸡只饥饿度,以鸡只的饥饿度表征鸡只体质健康,x1为鸡只日龄,x2为鸡只体重,x3为鸡只振翅数,最终获得的鸡只体质健康数据指的是鸡只饥饿程度。当y输出在大于1时,y越大,鸡只饥饿度越高,体质健康越差;当Y输出小于1时,表示鸡只体质健康较好。
所述的鸡只体质健康模型采用以下公式表示的鸡只体质健康Logistic回归模型:
y=24.696x1-32.986x2-6.861x3+2.462
其中,y表示鸡只正常(y=0)或饥饿(y=1),x1为鸡只日龄,x2为鸡只体重,x3为鸡只振翅数。当y=1时,鸡只为饥饿饲养0和1小时组,体质健康优良;当y=0时,鸡只为饥饿饲养12、24、36、48小时组,体质健康较差。
二、一种鸡只的体质健康检测***:
包括可调高度框架、木板、放置槽、电磁门、电磁门开关和高速摄像机;水平放置的木板安装在可调高度框架上,木板中间设有一对电磁门,电磁门连接电磁门开关,由电磁门开关控制开闭,电磁门上置有作为鸡只起始位置的放置槽,电磁门开关的正上方装有一镜头朝向正下方的高速摄像机,框架侧方装有另一镜头水平朝向的高速摄像机,高速摄像机拍摄角度覆盖到整个框架。
所述可调节高度框架采用铝合金型材搭建。
所述的木板的高度是通过框架上的螺纹紧固件调节。
具体地说,本发明选用同一批出雏的1日龄的样本小鸡,随机平均分为几组饲养,饲养方法采用饥饿饲养和正常饲养,对鸡只进行下落实验进而获得有效特征参数。
所述有效特征参数为饥饿时间、振翅数、日龄、体重。
本发明的鸡只体质健康模型建立主要采用以下方式:
a)选用一批1日龄的雏鸡随机分组进行育雏培养,分别在第7、15、23、31、39、45日龄时进行下落实验;
b)利用图像处理方式提取下落实验中鸡只的振翅数,下落后称重同时记录鸡只的日龄;
c)通过数据分析对原始表征数据进行线性回归分析和Logistic回归分析,建立线性回归模型和Logistic回归模型;
d)依据表征数据与模型的分析结果建立鸡只的体质健康指标。
本发明具有的有益的效果是:
1、该***可以进行监测研究全生长过程的鸡只,为肉鸡养殖业中农业设施的体质健康检测方面提供科学的依据;
2、通过改变鸡只的饥饿程度,区分鸡只体质健康差异;
3、本发明主要用于监测鸡只的体质健康。
附图说明:
图1是本发明方法的流程图。
图2是本发明***的结构示意图。
图3是本发明实施例1中7日龄鸡只振翅数和饥饿程度的线性关系示意图。
图4是本发明实施例1中15日龄鸡只振翅数和饥饿程度的线性关系示意图。
图5是本发明实施例1中23日龄鸡只振翅数和饥饿程度的线性关系示意图。
图6是本发明实施例1中31日龄鸡只振翅数和饥饿程度的线性关系示意图。
图7是本发明实施例1中39日龄鸡只振翅数和饥饿程度的线性关系示意图。
图8是本发明实施例1中47日龄鸡只振翅数和饥饿程度的线性关系示意图。
图9是本发明实施例1中7日龄鸡只体重和饥饿程度的线性关系示意图。
图10是本发明实施例1中15日龄鸡只体重和饥饿程度的线性关系示意图。
图11是本发明实施例1中23日龄鸡只体重和饥饿程度的线性关系示意图。
图12是本发明实施例1中31日龄鸡只体重和饥饿程度的线性关系示意图。
图13是本发明实施例1中39日龄鸡只体重和饥饿程度的线性关系示意图。
图14是本发明实施例1中47日龄鸡只体重和饥饿程度的线性关系示意图。
图中:1框架、2木板、3放置槽、4电磁门、5电磁门开关、6高速摄像机。
具体实施方式:
以下结合附图对本发明的实例进行说明。
如图2所示,本发明的检测***包括可调高度框架1、木板2、放置槽3、电磁门4、电磁门开关5和高速摄像机6;水平放置的木板2安装在可调高度框架1上,木板2中间装有一对电磁门4,电磁门4连接电磁门开关5,由电磁门开关5控制开闭,电磁门4上置有作为鸡只起始位置的放置槽3,电磁门4的正上方装有一镜头朝向正下方的高速摄像机6,框架1侧方装有一镜头水平朝向的高速摄像机6。
可调高度框架1的侧面、顶部各放置的摄像机6用于记录鸡只下落过程并提取振翅数,高速摄像机6拍摄视角覆盖到整个框架1,能采集到鸡只自由下落整个过程的画面。
可调节高度框架1采用铝合金型材搭建。木板2的高度是通过框架1上的螺纹紧固件进行调节。
电磁门4用螺钉固定在木板2上。电磁门开关5是一旋转按钮,用来控制电磁门4的开闭。
本发明的实施例及其实施工作过程如下:
实施例1
可调节高度框架1的材质为铝合金,由4根铝合金型材搭建一个长60cm、宽60cm、高度180cm的框架。框架顶部放一个60cm×60cm木板2,通过调节木板的位置来控制平台的高度。木板中央做一对20cm×40cm的电磁门4,由电磁门开关5控制控制它的打开。
1)先采集样本鸡只的有效特征参数:采用7日龄、15日龄、23日龄、31日龄、39日龄和47日龄的鸡只,并对每一种日龄的鸡只,采用分别已饥饿1、12、24、36、48小时和不饥饿处理。
对每一个鸡只,用可调高度框架1将样本鸡只凌空固定在放置槽3中,用放置槽3限制鸡只的行动,等待30s样本鸡只稳定后,通过电磁门开关5打开电磁门,鸡只自由下落,下落后用称重仪测量鸡只体重,同时记录鸡只日龄,用高速摄像机6采集鸡只自由落体过程中的视频,运用图像处理从中提取各个鸡只下落的振翅数,图像处理中感兴趣区域矩形的两个对角点取坐标(100,160)和(600,360)。
2)建立鸡只体质健康线性回归模型
先对数据进行预处理,并对数据进行归一化处理,对鸡只饥饿时间、日龄、振翅数、体重进行线性回归分析。
获得7日龄、15日龄、23日龄、31日龄、39日龄和47日龄的鸡只振翅数与饥饿时间的线性关系分别如图3~8所示,图中可看出低日龄的鸡只对环境改变抗性较小,随着饥饿时间增长振翅数逐渐降低;随着鸡只的成长,鸡只越来越敏感,下落实验中鸡只反抗越激烈,振翅数呈先上升后下降的趋势;23日龄~47日龄鸡只振翅数变化斜率越来越小,说明随着鸡只的成长,鸡只对环境改变的抗性越来越强。
获得7日龄、15日龄、23日龄、31日龄、39日龄和47日龄的鸡只体重和饥饿时间的线性关系分别如图9~14所示,图中可看出随着饥饿时间的增长,鸡只体重越来越低,鸡只体重与饥饿时间负相关。x(饥饿时间)的系数依次为-0.8017、-2.245、-4.2005、-6.737、-8.2002、-10.469,系数绝对值依次递增,表明随着鸡只日龄的提高,饥饿对鸡只体重的影响越来越大。
通过线性回归分析建立鸡只体质健康线性回归模型,其公式为:y=0.977x1-0.035x2-0.921x3+0.555,测定R2和验证R2都在0.81以上。其中y表示鸡只饥饿度,以鸡只的饥饿度表征鸡只体质健康,x1为鸡只日龄,x2为鸡只体重,x3为鸡只振翅数;当y输出在大于1时,y越大,鸡只饥饿度越高,体质健康越差;当y输出小于1时,表示鸡只体质健康较好。
3)对于被测鸡只,可调高度框架1将被测鸡凌空固定在放置槽3中,等待30s鸡只稳定后,通过电磁门开关5打开电磁门4,鸡只自由下落,下落后用称重仪测量鸡只体重,同时记录鸡只日龄,用高速摄像机6采集鸡只下落过程的视频图像,运用图像处理从中提取鸡只下落过程的振翅数,然后将得到的鸡只日龄、体重、振翅数与鸡只体质健康模型进行匹配。
经过试验测试,通过本发明***能够有效的检测出鸡只的体质健康情况。
实施例2
可调节高度框架1的材质为铝合金,由4根铝合金型材搭建一个长60cm、宽60cm、高度180cm的框架。框架顶部放一个60cm×60cm木板2,通过调节木板的位置来控制平台的高度。木板中央做一对20cm×40cm的电磁门4,由电磁门开关5控制控制它的打开。
1)先采集样本鸡只的有效特征参数:采用7日龄、15日龄、23日龄、31日龄、39日龄和47日龄的鸡只,并对每一日龄的鸡只,采用饥饿1、12、24、36、48小时和不饥饿处理。
对于每一鸡只,用可调高度框架1将样本鸡只凌空固定在放置槽3中,用放置槽3限制鸡只的行动,等待30s样本鸡只稳定后,通过电磁门开关5打开电磁门,鸡只自由下落,下落后用称重仪测量鸡只体重,同时记录鸡只日龄,用高速摄像机6采集鸡只自由落体过程中的视频,运用图像处理从中提取各自鸡只下落的振翅数。
2)建立鸡只体质健康Logistic回归模型
先对数据进行预处理,并对数据进行归一化处理,对鸡只饥饿时间、日龄、振翅数、体重进行Logistic回归分析。
获得7日龄、15日龄、23日龄、31日龄、39日龄和47日龄的鸡只振翅数与饥饿时间的线性关系分别如图3~8所示,图中可看出低日龄的鸡只对环境改变抗性较小,随着饥饿时间增长振翅数逐渐降低;随着鸡只的成长,鸡只越来越敏感,下落实验中鸡只反抗越激烈,振翅数呈先上升后下降的趋势;23日龄~47日龄鸡只振翅数变化斜率越来越小,说明随着鸡只的成长,鸡只对环境改变的抗性越来越强。
获得7日龄、15日龄、23日龄、31日龄、39日龄和47日龄的鸡只体重和饥饿时间的线性关系分别如图9~14所示,图中可看出随着饥饿时间的增长,鸡只体重越来越低,鸡只体重与饥饿时间负相关。x(饥饿时间)的系数依次为-0.8017、-2.245、-4.2005、-6.737、-8.2002、-10.469,系数绝对值依次递增,表明随着鸡只日龄的提高,饥饿对鸡只体重的影响越来越大。
通过Logistic回归分析建立鸡只体质健康Logistic回归模型,其公式为:y=24.696x1-32.986x2-6.861x3+2.462。其中y表示鸡只正常(y=0)或饥饿(y=1),x1为鸡只日龄,x2为鸡只体重,x3为鸡只振翅数。将所建立的Logistic模型用于“正常”鸡只和“饥饿”鸡只的区分,以发生概率P=0.5为分类阈值,得到分类正确率为84%,说明模型用于“正常”鸡只和“饥饿”鸡只的区分性能良好。当y=1时,鸡只为饥饿饲养0和1小时组,体质健康优良;当y=0时,鸡只为饥饿饲养12、24、36、48小时组,体质健康较差。
3)对于被测鸡,可调高度框架1将被测鸡凌空固定在放置槽3中,等待30s鸡只稳定后,通过电磁门开关5打开电磁门4,鸡只自由下落,下落后用称重仪测量鸡只体重,同时记录鸡只日龄,用高速摄像机6采集鸡只下落过程的视频图像,运用图像处理从中提取鸡只下落过程的振翅数,然后将得到的鸡只日龄、体重、振翅数与鸡只体质健康模型进行匹配。
由此可见,本发明可监测研究全生长过程的鸡只,获得鸡只的体质健康和差异情况,为肉鸡养殖业中农业设施的体质健康检测方面提供科学的依据。
Claims (10)
1.一种鸡只的体质健康检测方法,其特征在于:通过高速摄像机采集被测鸡只自由落体过程中的视频,下落后用称重仪测量鸡只体重,同时记录鸡只日龄,运用图像处理从中提取鸡只下落过程的振翅数,将鸡只日龄、体重、振翅数一起作为有效特征参数与鸡只体质健康模型进行匹配。
2.根据权利要求1所述的一种鸡只的体质健康检测方法,其特征在于:
通过可调高度框架将被测鸡只凌空固定,等待30s待鸡只稳定后,打开电磁门开关,鸡只自由下落,下落后用称重仪测量鸡只体重,同时记录鸡只日龄,用高速摄像机采集鸡只下落过程的视频。
3.根据权利要求1所述的一种鸡只的体质健康检测方法,其特征在于所述方法具体为:
1)先采集样本鸡的图像并获得有效特征参数:采用已饥饿1、12、24、36、48小时和不饥饿的鸡只,重复采集图像并处理后获得其各自的振翅数;
2)建立鸡只体质健康模型:根据获得的振翅数与鸡只日龄、鸡只体重、鸡只饥饿时间进行相关线性分析处理,获得鸡只体质健康线性模型;
3)采集被测鸡的图像并获得其有效特征参数后与鸡只体质健康模型进行匹配,得到鸡只体质健康数据。
4.根据权利要求3所述的一种鸡只的体质健康检测方法,其特征在于所述图像处理获得鸡只下落过程的振翅数具体为:
建立背景图像:将视频中前5帧的平均图像作为背景图像B0;
提取差分图像:将CCD相机采集到鸡只下落图像与背景图像B0作差,取其绝对值,获得差分图像D1,D2……Dn,n表示图像的序数;
截取差分图像:差分图像D1,D2……Dn中取矩形的作感兴趣区域R1,R2……Rn,对感兴趣区域R1,R2……Rn进行阈值为50的阈值分割,分割后图像中像素值为1的区域为鸡只区域,像素值为0的区域为背景区域,再以大小为3的单元结构体进行开运算,最后删除面积小于200像素的区域,获得处理后各张图像P1,P2……Pn;
通过连通区域统计方法计算得到处理后的图像P1,P2……Pn中鸡只区域的宽度W1,W2……Wn,将宽度值W1,W2……Wn与其各自对应的帧数1,2……n分别作为纵坐标、横坐标获得宽度变化曲线,曲线值增减代表鸡只振翅过程;
最后通过五点线性平滑处理后获得曲线中极大值点数,作为鸡只的振翅数。
5.根据权利要求1所述的一种鸡只的体质健康检测方法,其特征在于:所述的鸡只体质健康模型采用线性回归分析和Logistic回归分析获得。
6.根据权利要求1或5所述的一种鸡只的体质健康检测方法,其特征在于所述方法具体为:
所述的鸡只体质健康模型采用以下公式表示的鸡只体质健康线性回归模型:
y=0.977x1-0.035x2-0.921x3+0.555
其中,y表示鸡只饥饿度,以鸡只的饥饿度表征鸡只体质健康,x1为鸡只日龄,x2为鸡只体重,x3为鸡只振翅数。
7.根据权利要求1或5所述的一种鸡只的体质健康检测方法,其特征在于所述方法具体为:
所述的鸡只体质健康模型采用以下公式表示的鸡只体质健康Logistic回归模型:
y=24.696x1-32.986x2-6.861x3+2.462
其中,y表示鸡只正常(y=0)或饥饿(y=1),x1为鸡只日龄,x2为鸡只体重,x3为鸡只振翅数。
8.一种鸡只的体质健康检测***,其特征在于:包括可调高度框架(1)、木板(2)、放置槽(3)、电磁门(4)、电磁门开关(5)和高速摄像机(6);水平放置的木板(2)安装在可调高度框架(1)上,木板(2)中间设有一对电磁门(4),电磁门(4)连接电磁门开关(5),经由电磁门开关(5)控制开闭,电磁门(4)上置有作为鸡只起始位置的放置槽(3),电磁门(5)的正上方装有一镜头朝向正下方的高速摄像机(6),框架(1)侧方设有另一镜头水平朝向的高速摄像机(6),高速摄像机(6)拍摄视角覆盖到整个框架(1)。
9.根据权利要求8所述的一种鸡只的体质健康检测***,其特征在于:所述可调节高度框架(1)采用铝合金型材搭建。
10.根据权利要求8所述的一种鸡只的体质健康检测***,其特征在于:所述的木板(2)的高度是通过框架(1)上的螺纹紧固件调节。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610141730.2A CN105766789B (zh) | 2016-03-12 | 2016-03-12 | 鸡只的体质健康检测方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610141730.2A CN105766789B (zh) | 2016-03-12 | 2016-03-12 | 鸡只的体质健康检测方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105766789A true CN105766789A (zh) | 2016-07-20 |
CN105766789B CN105766789B (zh) | 2018-06-29 |
Family
ID=56393380
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610141730.2A Active CN105766789B (zh) | 2016-03-12 | 2016-03-12 | 鸡只的体质健康检测方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105766789B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106448405A (zh) * | 2016-11-18 | 2017-02-22 | 中国科学院深圳先进技术研究院 | 啮齿类动物恐高测试实验装置及实验方法 |
CN106529006A (zh) * | 2016-11-04 | 2017-03-22 | 北京农业信息技术研究中心 | 基于深度图像的肉鸡生长模型拟合方法及装置 |
CN107049234A (zh) * | 2016-11-23 | 2017-08-18 | 北海高创电子信息孵化器有限公司 | 一种肉鸡疾病监测装置 |
CN107549049A (zh) * | 2017-09-28 | 2018-01-09 | 中北大学 | 一种笼养鸡健康状况自动化监测装置 |
CN107549106A (zh) * | 2017-09-28 | 2018-01-09 | 中北大学 | 一种鸡的生长信息监控和喂料的方法及*** |
CN109892254A (zh) * | 2019-01-31 | 2019-06-18 | 福建省农业科学院科技干部培训中心 | 基于栖息位置评价家禽品质的方法 |
CN110235815A (zh) * | 2019-06-21 | 2019-09-17 | 山东省海洋生物研究院 | 基于几何形态学的大菱鲆优美体形家系精准筛选方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101007308A (zh) * | 2007-01-11 | 2007-08-01 | 浙江大学 | 基于机器视觉的珍珠实时检测和分级*** |
CN101894220A (zh) * | 2010-07-28 | 2010-11-24 | 江南大学 | 一种畜禽健康状况数据采集*** |
CN203631027U (zh) * | 2013-10-12 | 2014-06-04 | 内蒙古民族大学 | 自由落体运动测定装置 |
CN104077550A (zh) * | 2014-06-18 | 2014-10-01 | 胡月明 | 一种实现动物行为监测的健康指数评价的方法及*** |
CN104665838A (zh) * | 2015-02-11 | 2015-06-03 | 深圳泰山在线科技有限公司 | 体质检测方法及*** |
CN104697805A (zh) * | 2015-03-05 | 2015-06-10 | 南京航空航天大学 | 壁虎空中姿态调整与着陆运动测试***及方法 |
CN205431566U (zh) * | 2016-03-12 | 2016-08-10 | 浙江大学 | 一种鸡只的体质健康检测装置 |
-
2016
- 2016-03-12 CN CN201610141730.2A patent/CN105766789B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101007308A (zh) * | 2007-01-11 | 2007-08-01 | 浙江大学 | 基于机器视觉的珍珠实时检测和分级*** |
CN101894220A (zh) * | 2010-07-28 | 2010-11-24 | 江南大学 | 一种畜禽健康状况数据采集*** |
CN203631027U (zh) * | 2013-10-12 | 2014-06-04 | 内蒙古民族大学 | 自由落体运动测定装置 |
CN104077550A (zh) * | 2014-06-18 | 2014-10-01 | 胡月明 | 一种实现动物行为监测的健康指数评价的方法及*** |
CN104665838A (zh) * | 2015-02-11 | 2015-06-03 | 深圳泰山在线科技有限公司 | 体质检测方法及*** |
CN104697805A (zh) * | 2015-03-05 | 2015-06-10 | 南京航空航天大学 | 壁虎空中姿态调整与着陆运动测试***及方法 |
CN205431566U (zh) * | 2016-03-12 | 2016-08-10 | 浙江大学 | 一种鸡只的体质健康检测装置 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106529006A (zh) * | 2016-11-04 | 2017-03-22 | 北京农业信息技术研究中心 | 基于深度图像的肉鸡生长模型拟合方法及装置 |
CN106448405A (zh) * | 2016-11-18 | 2017-02-22 | 中国科学院深圳先进技术研究院 | 啮齿类动物恐高测试实验装置及实验方法 |
CN107049234A (zh) * | 2016-11-23 | 2017-08-18 | 北海高创电子信息孵化器有限公司 | 一种肉鸡疾病监测装置 |
CN107549049A (zh) * | 2017-09-28 | 2018-01-09 | 中北大学 | 一种笼养鸡健康状况自动化监测装置 |
CN107549106A (zh) * | 2017-09-28 | 2018-01-09 | 中北大学 | 一种鸡的生长信息监控和喂料的方法及*** |
CN109892254A (zh) * | 2019-01-31 | 2019-06-18 | 福建省农业科学院科技干部培训中心 | 基于栖息位置评价家禽品质的方法 |
CN109892254B (zh) * | 2019-01-31 | 2021-12-14 | 福建省农业科学院科技干部培训中心 | 基于栖息位置评价家禽品质的方法 |
CN110235815A (zh) * | 2019-06-21 | 2019-09-17 | 山东省海洋生物研究院 | 基于几何形态学的大菱鲆优美体形家系精准筛选方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105766789B (zh) | 2018-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105766789B (zh) | 鸡只的体质健康检测方法和*** | |
CN106645605B (zh) | 基于机器视觉的禽类受精蛋检测方法 | |
Kongsro | Estimation of pig weight using a Microsoft Kinect prototype imaging system | |
Mollah et al. | Digital image analysis to estimate the live weight of broiler | |
Jacobsen et al. | Growth dynamics in the American alligator (Alligator mississippiensis) | |
Aydin et al. | A novel method to automatically measure the feed intake of broiler chickens by sound technology | |
CN109060143B (zh) | 基于热红外技术的种猪体温监测***及方法 | |
Jingqiu et al. | Cow behavior recognition based on image analysis and activities | |
CN112232978B (zh) | 水产品体长和重量检测方法、终端设备及存储介质 | |
Friedland et al. | Automated egg counting and sizing from scanned images: rapid sample processing and large data volumes for fecundity estimates | |
CN103026984B (zh) | 群体孵化蛋成活性的视觉检测分级装置及其方法 | |
CN111198549B (zh) | 一种基于大数据的家禽养殖监测管理*** | |
CN112257564B (zh) | 水产品数量统计方法、终端设备及存储介质 | |
Boligon et al. | Genetic associations of conformation, finishing precocity and muscling visual scores with mature weight in Nelore cattle | |
CN112232977A (zh) | 水产品养殖评估方法、终端设备及存储介质 | |
CN209390829U (zh) | 一种畜牧用科学养殖电子围栏设备 | |
CN110176014A (zh) | 一种禾花鱼稻田生态养殖信息处理方法及*** | |
CN116019023A (zh) | 一种电子信息管理***及管理方法 | |
CN110115234A (zh) | 一种智能称重的养殖管理监测***及智能称重方法 | |
CN110728208A (zh) | 基于体况评分在牦牛放牧管理中的信息处理方法及*** | |
CN110532926A (zh) | 基于深度学习的猪神经性疾病智能测报方法 | |
CN109170233A (zh) | 棘胸蛙蝌蚪饲料及其制备方法 | |
CN112461342B (zh) | 水产品称重方法、终端设备及存储介质 | |
CN106359162A (zh) | 一种猪生长性能测定装置及其测定方法 | |
Zhou et al. | Detection of abnormal chicken droppings based on improved Faster R-CNN |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20211123 Address after: 230000 room 1201, building 1, University Sanchuang Park, No. 478, Jiulong Road, economic and Technological Development Zone, Hefei, Anhui Province Patentee after: Hefei Shenmu Information Technology Co.,Ltd. Address before: 310027 No. 38, Zhejiang Road, Hangzhou, Zhejiang, Xihu District Patentee before: ZHEJIANG University |
|
TR01 | Transfer of patent right |