这个对动物产品的日益增长的需求其特点是,在农民的末尾,越来越多的工作人员需要管理和监测库存。畜牧业中动物的福利是许多农民关心的问题,这个动物福利在拥挤和许多不卫生的环境中,正在改善以防止疾病和伤害的传播,下面我们来了解一下,基于模式识别的动物机器视觉监测。
在大型农场,追踪单一动物的行为可能变得困难。这只动物不仅需要被发现,而且还需要观察一段时间。为此目的,技术可以减轻负担。由于人工检测已经成为一种负担得起的动物监测方法,视觉检测在农民中得到了广泛的应用。然而,有什么潜力农场动物的视觉追踪?这真的是一种可靠和准确的监测动物的手段吗?这就是这件事的主题RVSTO视觉学习文章。
基于模式识别的动物自动监测
这些问题是在一篇发表在农业中的计算机与电子技术。简单的回答是用计算机视觉方法进行视觉跟踪,它在降低成本和劳动力方面具有巨大的潜力。监测动物行为和健康。作者的小组开始评估自动化方法在笔下识别标记猪的可行性。他们还想评估图像处理的潜力,行为相关研究。在对照实验条件下,作者将40头猪分成四圈,每圈10头,每间都有一个饮水器,提供食物。在整个实验过程中,在天花板上安装了一台摄像机进行连续记录。
自动检测预处理阶段
每头猪的追踪都是按照猪背上画的图案进行的,为了自动检测模式,首先对监控摄像机的图像进行分割。在分割之前采用了几个预处理阶段,但的结果是拟合出一个与每个猪的位置相匹配的椭圆。模式提取之后,提取模式的描述符并计算其与模式数据库中的描述符之间的距离。据报道为了达到平移和旋转不变性,忽略了描述中的相位系数,只使用它们的幅值。结果给出了每个跟踪猪的跟踪ID。
自动识别准确测试
对人类观察者进行了自动识别精度测试,报告了猪的平均正确识别准确率为88.7%。通过将划分成区域并在其内定位猪,研究人员能够识别猪的特征行为。例如,猪接近饮水器的次数可以计算出来;感染流感的猪会少去30%的饮水乳头,这样就可以建立一个疾病干预警报和动物监测系统。此外,猪倾向于蜷缩在角落睡觉,实验中的休息区与饲养区相反,可以观察到不同围栏的休息行为,通过图像的几何测量可以估计每头猪的体质量。
总的来说,使用算法手段跟踪动物的行为作者很好地证明了这是实现同样目标的一种较小的侵入性方法,考虑到贴耳或耗时检查的替代方法,基于模式识别的动物监测算法是一种安全无损的监测动物健康的方法。