基于水平集的高分辨率影像 牛羊自动检测的方法

基于matlab的牦牛图像边缘检测研究牦牛图像边缘检测是牦牛线性体型评定的基础。

为此，介绍了牦牛数字图像检测的步骤。

首先将RGB图像灰度化处理，而后对图像平滑降噪，再用高斯拉普拉斯算子对这一系列操作后的图像探测目标物体的边缘，检测出预想的目标图像。

结果表明，经过一系列的预处理以后，检测出的牦牛图像边缘明显，便于后续计算区域内的牦牛数量以及判断区域是否过度放牧等实际问题。

标签：图像处理；中值滤波；高斯拉普拉斯算子引言牦牛是高寒地区的特有牛种，不同类型的牦牛体型特征不同。

经长期的研究和实践发现，具备标准功能体型的牦牛市场好，销量高，经济收益高。

该题目的研究和实现可以直接利用直接应用于青藏高原牦牛的养殖，针对目前高原地区的传统老旧的皮尺测量体标的方式，通过人眼辨别能力去统计牦牛数量的过时方式等等，该算法的研究与应用可以实现自动化，智能化，数字化的管理。

具有重要的研究价值和应用意义。

基于牦牛的图像分割算法进行研究，可以提取出牦牛的整体轮廓，方便为后续的牦牛体型的三维图像的重建，饲养机械设备，生理指标的动态监测，体型体尺、体重、性别等指标参数，牦牛等级划分和种类识别提供便利，有着巨大的研究价值和实用性。

1 图像预处理图像在转换或传送中，因为存在有光学系统的失真、数字化过程数据丢失或者噪声污染等因素，会使图像质量会受到一定水平的干扰，甚至淹没图像的特征。

这为后续的边缘检测、分割、分析判断等操作造成了不必要的困扰。

那么在图像进行后续处理之前，为了改善图像的视觉效果、方便人机化操作，突出图像的特性便于计算机处理，对图像进行预处理操作就很有必要了。

图像预处理，顾名思义就是对图像进行特征抽取等预先操作，包括图像的点运算、几何变换、直方图均衡化、降噪、平滑、锐化、增强、复原等步骤。

2 系统流程2.1 数字图像的读取和灰度首先，利用imread（）函数将原牦牛图像存入matlab的Workspace空间。

然后再利用rgb2gray（）函数将原牦牛RGB图像转换为灰度图像，为后续步骤中查看图像直方图信息提供便利。

基于水平集的航拍影像阴影检测与去除系统设计摘要:建筑物、树木和山脉等遮挡光线,可能使航拍影像中出现阴影。

而阴影区域的存在可能影响图像后续处理,导致重要信息丢失。

本系统旨在设计自动检测航拍影像中阴影区域并将其去除的系统,选择并搭建基于水平集航拍影像阴影检测算法的进行系统设计。

系统主要功能包括:图像读入、图像去雾、阴影检测、阴影去除。

关键词:航拍影像图像去雾阴影检测阴影去除水平集1 系统研究意义建筑物、树木和山脉等遮挡太阳光线,使遥感航拍影像中存在阴影区域。

阴影区域的存在可能导致重要信息的丢失,进而影响影像的后续处理,如图像配准、图像内容理解、分割、特征提取、目标变化检测和定位等。

阴影检测是遥感航拍影像中地物跟踪、分类和识别等处理的重要步骤之一,目前阴影检测技术可分基于模型与基于阴影属性两大类,基于模型的方法需有关影像中地物几何形状或DSM数据、太阳高度角、传感器参数等知识,计算复杂,且适用于特定场景。

基于阴影属性的方法通过分析阴影区域在亮度、几何结构和颜色等方面的共性及其与非阴影区域的差异来检测阴影区域,应用比较复杂[1]。

本系统旨在开发设计自动检测航拍影像阴影区域并将其去除的系统。

选择并搭建基于非匀质区域水平集航拍影像阴影检测算法的系统开发平台,实现自动检测阴影区域并将其去除。

系统主要功能包括:图像读入、图像去雾、阴影检测、阴影去除。

图像阴影区域极可能含重要信息,准确检测阴影区直接关系到影像后续处理及获取与识别阴影区中重要信息的成效。

本系统所用的算法不仅可解决传统阴影检测方法中对非匀质同块阴影区检测不全面的问题,也可检测到传统方法中漏检的亮阴影区。

检测到的阴影区连续、边缘清晰整齐,并能有效排除绿色植被干扰,检测正确率高,漏检率低,检测全面,阴影区提取方便。

2 国内外研究现状G.D.Finlayson等最早提出利用彩色不变量来进行阴影检测、阴影消除[2],但是这些彩色不变量要在图像满足中性界面反射模型的条件下才成立[3],而且很多的航空影像都难以满足此条件。

基于高光谱成像的农作物无损检测研究随着科技的不断发展，高光谱成像技术被越来越多地应用于农业领域中。

农作物是人类的重要粮食来源，而精确地了解农作物的生长状态和品质对于提高农作物的产量和品质具有重要意义。

而高光谱成像技术的无损检测能够提供农作物生长状态细腻的空间分布信息，使农民和科学家们能够更精确地了解其生长状态和品质，进而进行有效的管理和治理。

一、高光谱成像技术原理高光谱成像技术是指通过光谱分析，获取多波段图像信息，同时获取每一个像素点的连续谱信息。

它可以获取细微颜色与纹理变化的光谱响应，从而得到物体的光谱特征，同时能够进行深入的分析和调查。

高光谱成像技术可以提供高精度的物质分析和检测。

二、农作物无损检测应用1. 大规模农田遥感监测高光谱成像技术能够获取农田中大规模农作物生长状态数据，从而提高农作物的生产效率和品质。

在遥感监测中，可以通过对不同光线反射光谱的分析，得到植物的生长状态和品质信息。

在大规模农田监测中，我们可以提高农民观测农作物的手工记录效率，同时也能够为农业科学研究和管理提供数据支持。

2. 农作物病害监测高光谱成像技术的另一个应用是农作物病害检测。

通过高光谱成像技术，我们可以通过光谱响应来获取农作物的生长状态和品质信息。

同时，我们也可以根据农作物叶片形态的变化来推断农作物是否患病，并可以对植被表面物质进行定量的分析和判断。

现在，许多国家使用该技术，可以以较低的成本及时检测出农作物中的病害（如病斑和萎缩），从而对其进行管理和治理。

3. 农产品质量检测高光谱成像技术还可以应用于农产品的质量检测。

通过高光谱成像技术，我们可以获取精确的光谱信息，从而推断农产品的品质状况，如成熟度、酸度、糖分、水分等。

此外，在构建数据模型方面，高光谱成像技术可以更精确地进行复杂的扫描，并使用多种方法进行数据处理和分析，从而识别和判定不同的品质。

三、高光谱成像技术的潜力和前景伴随着科技的不断发展，高光谱成像技术不断完善和发展，其超强的信息处理和识别性能被人们充分发掘和运用。

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202010111366.1(22)申请日 2020.02.24(71)申请人 中国科学院植物研究所地址 100093 北京市海淀区香山南辛村20号(72)发明人 白永飞　陈文贺　赵玉金　鲁小名　王扬　(74)专利代理机构 北京纪凯知识产权代理有限公司 11245代理人 孙楠(51)Int.Cl.G06K 9/00(2006.01)G06K 9/38(2006.01)G06T 7/00(2017.01)G06T 7/62(2017.01)G06N 3/04(2006.01)G06N 3/08(2006.01)(54)发明名称一种基于遥感影像识别牛羊的方法和系统(57)摘要本发明属于影像识别技术领域，涉及一种基于遥感影像识别牛羊的方法和系统，包括以下步骤：S1基于遥感影像集，通过深度学习目标识别算法训练识别模型；S2通过训练模型识别遥感影像中的牛个体，并统计牛的数量；S3结合阈值法识别遥感影像中的羊个体，并统计羊的数量；S4通过识别出的牛个体和羊个体判断牛和羊的体尺。

其针对分布过于密集的羊群，利用YOLO V3算法识别结果确定羊群范围，同时结合阈值法对该区域羊个体进行进一步分辨识别并统计总数；通过识别结果计算影像中不同牛羊的体长，利用已有实测数据获取体长与体高、胸围等其它体尺的比例关系，反演影像中牛羊的其它体尺。

权利要求书2页 说明书5页 附图4页CN 111339912 A 2020.06.26C N 111339912A1.一种基于遥感影像识别牛羊的方法，其特征在于，包括以下步骤：S1基于遥感影像集，通过深度学习目标识别算法得到识别模型；S2通过所述识别模型识别遥感影像中的牛个体，并统计牛的数量；S3结合阈值法识别遥感影像中的羊个体，并统计羊的数量；S4通过识别出的牛个体和羊个体判断牛和羊的体尺。

专利名称：基于人工智能的自适应分辨率畜牧视频信息处理方法
专利类型：发明专利
发明人：各珍珍,邹昊
申请号：CN202010842163.X
申请日：20200820
公开号：CN111986234A
公开日：
20201124
专利内容由知识产权出版社提供
摘要：本发明提供了一种基于人工智能的自适应分辨率畜牧视频信息处理方法。

将各个子区域的原始图像经投影变换和拼接后投影在BIM地面平面上，得到养殖区域的全景俯视图。

同时通过牲畜检测神经网络处理畜牧区域图像得出牲畜关键点热力图，将牲畜关键点热力图经过投影变换和拼接后投影在BIM地面平面上，经过一定的后处理得出牲畜的运动量和牲畜关键点叠加图，并根据牲畜运动量调节各个相机拍摄图像的分辨率。

通过WebGIS和信息交换模块将BIM里的信息可视化，实现了对整个畜牧区域牲畜运动情况的实时监控，并且可以对运动量异常的牲畜个体进行进一步的观察分析。

申请人：各珍珍
地址：610000 四川省成都市高新区(西区)西源大道2006号
国籍：CN
代理机构：郑州芝麻绘智知识产权代理事务所(普通合伙)
代理人：李玲玲
更多信息请下载全文后查看。

专利名称：基于计算机视觉技术的牛发情监测方法及系统专利类型：发明专利
发明人：卿胜奎
申请号：CN201910333012.9
申请日：20190424
公开号：CN110070051A
公开日：
20190730
专利内容由知识产权出版社提供
摘要：本发明目提供了基于计算机视觉技术的牛发情监测方法及系统，利用计算机图像处理技术可以无接触、高精确度、适应性强牛个体身份识别、行为特征分析，发情检测，并通过机器学习等人工智能提高计算的监测准确度，实现在养殖场中牛个体无接触精确个体识别，行为分析监测等，具有全天候监测，监测效率高，牧场前期投入成本和后期维护成本低等特征；解决现有的各种牛群发情检测的方法存在工作量大，检测精度不高，漏检牛的发情行为，从而耽误奶牛配种，以至于影响奶牛养殖的利益的问题。

申请人：卿胜奎
地址：400000 重庆市永川区吉安镇正街71号附82号
国籍：CN
代理机构：成都顶峰专利事务所(普通合伙)
代理人：陈夏
更多信息请下载全文后查看。

(下转28页)随着我国经济生活水平的不断提高，人们对于羊肉的需求越来越日常化，从最开始的简单的屠宰消费逐渐走向深加工和商品化。

羊肉食品安全被更多地关注，现代营养学研究发现，羊肉的粗蛋白含量(12.8%～18.6%)近于牛肉(16.2%～19.9%)，高于猪肉(13.5%～16.4%);粗脂肪含量(16%～37%)低于猪肉(25%～37%)，高于牛肉(11%～28%);氨基酸含量丰富、种类齐全，有多种人体必需的氨基酸，如精氨酸、赖氨酸、组氨酸、亮氨酸、苯丙氨酸等，极易被人体消化吸收利用;含有多种矿物质，如K、P、Ca、Fe、Zn等以及多种维生素，如VB l 、VB 2、VB 3等。

目前，我国对于市场上的羊肉检测主要有感官和理化检测两种方式。

该方法因市场上检测人员的专业素质和技能水平受到主观因素影响比较大，存在较大的争议。

而理化检测是通过仪器仪表和检测羊肉的各项指标，这种方法科学但是过程比较复杂，很难在各个地方实行，只能简单地抽检，不能广泛应用于当前人民生活中来。

近年来随着电子计算机和光学图像处理技术的不断发展，传统的检测方式逐渐被取代，羊肉肉质检测正朝着高科技方向发展，可见光红外光谱分析技术、生物工程技术逐渐被应用在市场人员对羊肉的品质检测。

尽管这些技术存在一定的偏差，但相对于传统的检测人员感官检测和复杂的理化检测已经被越来越多的检测机构接受。

1 近红外高光谱成像技术随着计算机学科的不断发展，光谱成像技术越来越成熟，近红外高光光谱成像技术就是在其基础上，融合编程技术、信息化处理技术、图像处理技术等诸多学科的技术。

它能够将被检查羊肉用三维数据块的模式进行内部特征分析，根据各项分析指标参数对比，区分羊肉品质等级。

我国国内对于近红外技术的研究和应用起步较晚，研发的设备在市场上出现得较少，不过随着我国科研机构和人员的不断努力，市场上也出现了简单的红外检测羊肉的设备，随着羊肉品质各项指标的不断细化，越来越多的研究人员对其足够重视，在羊肉品质检测领域取得一些科研成果。

专利名称：基于多光谱图像技术的生鲜牛肉嫩度检测分级系统专利类型：发明专利
发明人：徐杨,田潇瑜,彭彦昆,马世榜,唐鸣,牛力钊
申请号：CN201210316635.3
申请日：20120830
公开号：CN102854148A
公开日：
20130102
专利内容由知识产权出版社提供
摘要：本发明属于食品质量检测技术领域，涉及一种基于多光谱图像技术的生鲜牛肉嫩度检测分级系统，在暗箱内，CCD工业相机的镜头对准高度可调载物台台面的中心，2个多光谱光源组件分别通过2个光源固定支架对称置于暗箱的左右侧壁上，多光谱光源组件上的大功率LED阵列有6种波段的LED组成，检测时被测样品置于高度可调载物台的台面上，6种波段的LED依次轮换发光，CCD工业相机采集被测样品的多光谱的图像，经计算机图像处理提取多光谱的瘦肉部位感兴趣区域的牛肉样品反射图像，从而提取牛肉大理石花纹，对牛肉大理石花纹含量进行评价分级和预测牛肉嫩度。

本发明适用于分割生鲜牛肉销售、加工、进出口公司，以及质监部门的市场监督。

申请人：中国农业大学
地址：100093 北京市海淀区圆明园西路2号
国籍：CN
代理机构：北京众合诚成知识产权代理有限公司
代理人：朱印康
更多信息请下载全文后查看。

《基于点云建模的奶牛体尺检测和体重预测方法研究》篇一一、引言随着计算机视觉和机器学习技术的不断发展，自动化、智能化的畜牧业生产管理已成为现代畜牧业的重要发展方向。

奶牛体尺检测和体重预测作为畜牧业生产管理中的重要环节，对于提高奶牛养殖效益、优化饲养管理具有重要意义。

然而，传统的奶牛体尺检测和体重预测方法多依赖于人工测量和经验判断，存在测量不准确、效率低下等问题。

因此，研究基于点云建模的奶牛体尺检测和体重预测方法，对于提高奶牛养殖的智能化水平具有重要意义。

二、点云建模技术概述点云建模技术是一种基于三维扫描技术获取物体表面大量点的三维坐标信息，通过点云数据处理和分析，构建物体三维模型的技术。

在奶牛体尺检测和体重预测中，点云建模技术可以实现对奶牛体型的三维测量和重建，为后续的体尺检测和体重预测提供基础数据。

三、基于点云建模的奶牛体尺检测方法基于点云建模的奶牛体尺检测方法主要包括以下几个步骤：1. 数据采集：利用三维扫描设备对奶牛进行扫描，获取奶牛表面大量点的三维坐标信息，构建奶牛的三维点云模型。

2. 点云预处理：对采集的点云数据进行去噪、补洞等预处理操作，提高点云数据的质量和精度。

3. 特征提取：通过点云数据处理和分析技术，提取奶牛体型的相关特征，如体高、体长、胸围等。

4. 体尺检测：根据提取的体型特征，结合机器学习算法，实现对奶牛体尺的自动检测和识别。

四、基于点云建模的奶牛体重预测方法基于点云建模的奶牛体重预测方法主要包括以下几个步骤：1. 数据准备：将奶牛的三维点云模型导入到预测模型中，同时准备好奶牛的体重等相关数据。

2. 模型训练：利用机器学习算法，以奶牛的体型特征和体重等数据为输入，训练预测模型。

3. 体重预测：将奶牛的体型特征等数据输入到预测模型中，实现对奶牛体重的预测。

五、实验与分析为了验证基于点云建模的奶牛体尺检测和体重预测方法的可行性和有效性，我们进行了相关实验。

实验结果表明，该方法能够有效地提取奶牛体型特征，实现奶牛体尺的自动检测和识别，同时能够较为准确地预测奶牛的体重。

如何利用AI技术提升农产品质量检测效率一、AI技术在农产品质量检测中的应用概述近年来，人工智能（AI）技术以其强大的自动化和智能化特性，已经成功应用于各个行业。

在农业领域，AI技术的应用也取得了许多突破性进展。

其中之一就是利用AI技术提升农产品质量检测效率。

通过结合图像识别、模式识别、数据分析等技术手段，AI在农产品质量检测方面具有巨大潜力。

二、基于图像识别的农产品质量检测1. 图像采集与处理图像采集是进行农产品质量检测的第一步。

AI可以运用计算机视觉技术，通过高清摄像头等设备获取多角度、多维度的图片，并对这些图像进行清理、预处理和去噪。

2. 特征提取与模式识别接下来，利用深度学习算法中常见的卷积神经网络（CNN），可以从农产品图片中提取出关键特征信息，如形状、大小、颜色等。

这些特征信息可以根据相关标准和规范进行匹配和对比，从而判断农产品的质量。

3. 质量评估与分类AI技术可以通过学习大量已标注的图片数据，建立起质量评估模型。

通过对农产品图像进行分类，AI可以从中判断出农产品是否符合质量要求，并根据不同等级进行分类和排序。

三、基于数据分析的农产品质量检测1. 数据收集与记录在农场或农产品加工环节，通过传感器和物联网设备等手段采集并记录种植过程中的关键数据，如气温、湿度、土壤水分以及施肥和喷药等操作数据。

2. 相关性分析与预测利用AI算法对这些大规模的数据进行处理和分析，在实时监控的基础上，提取数据之间的相关性，并使用机器学习算法构建预测模型。

通过该模型，可准确预测出某些病虫害发生的概率或最佳施肥周期等关键参数。

3. 养殖环境优化AI还可以结合光照强度、温度和湿度等因素进行智能调控，优化农作物或家禽养殖环境。

通过自动化控制系统和传感器网络， AI可以实现精确灌溉、追肥和防虫等，从而提高农产品的生长品质。

四、应用前景与挑战1. 应用前景利用AI技术提升农产品质量检测效率具有广阔的应用前景。

早期发现和预测病虫害，优化运营经营方式，改善农产品产量和质量，减少大范围施肥和化学药物使用对环境的损害等都是AI在农业领域的重要发展方向。

基于激光三维成像自动判定奶牛体况技术研究朱坤华;潘立武;席磊【摘要】当前奶牛体况判断多是人工进行,较为落后,耗费大量的人力以及时间,导致判断误差较大,结果不可靠.为此,提出基于激光三维成像自动判定奶牛体况技术.首先对摄像机进行标定,再利用标定后的摄像机激光三维扫描奶牛体况,得到奶牛三维非刚性坐标.奶牛大部分体况可转换成两点之间的距离或三点之间夹角的测量;在此基础上,对奶牛体型性状指标进行判断,以达到自动判定奶牛体况的目的.实验结果表明,采用所提方法对奶牛体型性状指标进行判断,操作简单易行,判断误差较低,结果较为可靠.%The cow body condition judgment is artificial, is relatively backward, spend a lot of manpower and time, error in judgment, the result is can not reliable.Therefore, based on laser automatically decides the cow body of three-dimensional imaging technology.For camera calibration in the first place, then the calibrated camera laser 3D scanning the cow body condition, get the cow three-dimensional nonrigid coordinates.Cows most fission conditions can be converted into a distance between two points or the angle between the three measurements, on this basis, the cow shape character index to judge, in order to automatically determine the cow body condition.The experimental results show that the proposed method to judge of the cow body shape indicators, the operation is simple, easy to determine error is lower, the result is more reliable.【期刊名称】《科学技术与工程》【年(卷),期】2017(017)012【总页数】5页(P80-84)【关键词】激光三维成像;奶牛体况;自动判定【作者】朱坤华;潘立武;席磊【作者单位】河南牧业经济学院自动化学院,郑州 450011;河南牧业经济学院自动化学院,郑州 450011;河南牧业经济学院自动化学院,郑州 450011【正文语种】中文【中图分类】TP391.4奶牛的育种工作是增强牛群素质、提高牛奶产量与奶牛效益的关键[1,2]。