一种基于视频图像的猪舍地面洁净度评价方法与流程

本发明涉及一种基于视频图像的猪舍地面洁净度评价方法，尤其是视频图像处理技术。

背景技术：

猪肉在我国的饮食文化中占据重要的地位，随着国民经济的快速发展，人们的生活质量得到了明显改善，猪肉的需求量与日俱增，因此生猪的养殖规模也在不断扩大，规模化的养猪场也越来越多。

猪舍既是生猪的生长环境又是饲养员的工作环境。所以猪舍环境的好坏不仅影响着生猪的生产，也影响着饲养员的身体健康。猪舍中有毒有害、刺鼻难闻的气体大都是因为猪舍内生猪的粪尿清理不及时造成的，尤其是氨气和硫化氢等气体。氨气严重危害生猪的生长，甚至当氨气的浓度较大时会降低生猪的成活率。但目前我国的生猪养殖主要还是靠人工养殖，对于猪舍内环境的评价主要还是依靠饲养员的责任心和经验，因此经常会在一定程度上造成猪舍内地面清洁不及时。所以为了提高生猪养殖质量，降低养殖成本，设计一种能够智能的、科学的评价猪舍地面洁净度的方法就显得尤为重要。

技术实现要素：

本发明提供了一种基于视频图像的猪舍地面洁净度评价方法，以解决猪舍内粪尿清理不及时的问题。所述方法主要包括：使用摄像头实时采集猪舍内地面的视频图像信息，并使用洁净度智能评价算法，对得到的图像进行处理，以计算出图像中粪尿的像素点个数与图片总像素点个数的比值，即可近似视为粪尿面积与猪舍面积的比值，进而完成对猪舍洁净度的评价。

本发明采用如下方法来实现：一种基于视频图像的猪舍地面洁净度评价方法，包括：

步骤一、取样干净且无猪的猪舍内地面图像存为背景图像h，并确定图像h的像素点总个数；

步骤二、对有猪的猪舍地面进行视频图像采集；

步骤三、对采集到的当前帧图像k，使用最大类间方差法进行阈值分割，得到猪的二值化图像o后存储；

步骤四、使用图像差分法将当前帧图像k和预存的背景图像h作差后，再将得到的猪和粪尿的图像j进行灰度化处理和二值化处理，得到新的二值化图像q并存储；

步骤五、用步骤四中得到的二值图像q与步骤三中得到的二值图像o作差，得到新的二值图像w并存储；

步骤六、求出步骤五中得到的二值图像w中白色像素点的个数并与步骤一中得到的图像的像素点总数作除法，求得比值，再用该比值与预设的阈值t0进行大小比较，若该比值小于阈值t0，则猪舍地面洁净度评价结果为良好，若该比值大于或等于阈值t0，则猪舍地面洁净度评价结果为需要打扫；

步骤一中图片像素点总个数可以通过摄像头的配置得出，设为m×n；

步骤三中取当前帧图像k，使用最大类间方差法进行阈值分割，将与背景相差较大的猪分割出来，假设原始图像像素总个数为m×n，图像灰度级范围为[0,l-1]，其中ni为灰度级为i的像素点的个数，则灰度级为i的像素点出现的概率为：对于单阈值分割，图像被分割为两类，设灰度级为[0,t]的像素点归为c0类，灰度级为[t+1,l-1]的像素点为c1类，p0(t)、p1(t)分别表示c0类和c1类的出现的概率，u0(t)，u1(t)表示c0类和c1类的平均灰度级，并将得到的二值图像o记为o(x,y)，最大类间方差法选择最优阈值的过程如下：

图像的灰度级表示为

图像的类间方差表示为

当类间方差达到最大值时该灰度级为最优分割阈值：

步骤四中将采集到的当前帧图像与背景作差，将猪和粪尿从当前帧中减出，假设j(x,y)表示差分后的图像j，k(x,y)表示当前帧图像k，h(x,y)表示背景图像h，则有：

j(x,y)＝|k(x,y)-h(x,y)|(4-1)

首先对差分后的图像j使用加权平均法进行灰度化，用g(x,y)表示灰度化后的差分图像，则有：

g(x,y)＝r(x,y)×0.299+g(x,y)×0.587+b(x,y)×0.114(4-2)

其中，r(x,y)表示图像j的rgb模型中r分量的值、g(x,y)表示图像j的rgb模型中g分量的值、b(x,y)表示图像j的rgb模型中b分量的值；

但为了避免低速的浮点运算，采取整数近似运算的简化方法，则有：

然后再选取阈值t1＝25对上述灰度图像g(x,y)进行二值化，并将得到的二值图像q，记为q(x,y)，则有：

步骤五中新得到的二值图像w，记为w(x,y)，则有：

w(x,y)＝|q(x,y)-o(x,y)|(5-1)

步骤六中求二值图像w中白色像素点的个数，在二值图像中白色像素点的值为1其它为0，故求白色像素点的个数即为求二值图像中各像素点的值之和，将二值图像w中的白色像素点的个数，记为s，则有：

求出二值图像w中白色像素点的个数s后，再求白色像素点的个数与整张图像像素点个数的比值ε，则有：

ε为猪舍洁净度的评价标准，当ε<t0时，猪舍洁净度评价结果为良好，当ε≥t0时，猪舍洁净度评价为需要打扫，其中，t0＝0.2。

本发明的有益效果为：

本发明提出一种基于视频图像的猪舍地面洁净度评价方法，该方法能够实时的监测猪舍内地面的洁净程度。避免了猪舍内粪尿清理不及时的现象，有效地减少了氨气和硫化氢等有毒有害气体的产生，给生猪的生长创造了更加有利的条件，降低了生猪养殖的风险和成本，提高了生猪养殖效益。同时本方法也在一定程度上解决了传统生猪养殖过程中猪舍清洁标准单方面依靠经验判断，缺乏科学判断依据的不足。给猪舍环境提供了一种科学有效地评价方法。

附图说明

图1为本发明涉及的一种基于视频图像的猪舍地面洁净度评价方法的实施例流程图。

具体实施方式

本发明给出了一种基于视频图像的猪舍地面洁净度评价方法实施例，为了使本技术领域的人员更好地理解本发明实施例中的技术方案，并使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明中技术方案作进一步详细的说明：

本发明首先提供了一种基于视频图像的猪舍地面洁净度评价方法实施例，如图1所示，包括：本发明采用如下方法来实现：一种基于视频图像的猪舍地面洁净度评价方法，包括：

步骤一、取样干净且无猪的猪舍地面图像h存为背景，并确定图像h的像素点总个数；

步骤二、对有猪的猪舍地面进行视频图像采集；

步骤三、对采集到的当前帧图像k，使用最大类间方差法进行阈值分割，得到猪的二值化图像o后存储；

步骤四、使用图像差分法将当前帧图像k和预存的背景图像h作差后，再将得到的猪和粪尿的图像j进行灰度化处理和二值化处理，得到新的二值化图像q并存储；

步骤五、用步骤四中得到的二值图像q与步骤三中得到的二值图像o作差，得到新的二值图像w并存储；

步骤六、求出步骤五中得到的二值图像w中白色像素点的个数并与步骤一中得到的图像的像素点总数作除法，求得比值，再用该比值与预设的阈值t0进行大小比较，若该比值小于阈值t0，则猪舍地面洁净度评价结果为良好，若该比值大于或等于阈值t0，则猪舍地面洁净度评价结果为需要打扫；

步骤一中图片像素点总个数可以通过摄像头的配置得出，设为m×n；

步骤三中取当前帧图像k，使用最大类间方差法进行阈值分割，将与背景相差较大的猪分割出来，假设原始图像像素总个数为m×n，图像灰度级范围为[0,l-1]，其中ni为灰度级为i的像素点的个数，则灰度级为i的像素点出现的概率为：对于单阈值分割，图像被分割为两类，设灰度级为[0,t]的像素点归为c0类，灰度级为[t+1,l-1]的像素点为c1类，p0(t)、p1(t)分别表示c0类和c1类的出现的概率，u0(t)，u1(t)表示c0类和c1类的平均灰度级，并将得到的二值图像o记为o(x,y)，最大类间方差法选择最优阈值的过程如下：

图像的灰度级表示为

图像的类间方差表示为

当类间方差达到最大值时该灰度级为最优分割阈值：

步骤四中将采集到的当前帧图像与背景作差，将猪和粪尿从当前帧中减出，假设j(x,y)表示差分后的图像j，k(x,y)表示当前帧图像k，h(x,y)表示背景图像h，则有：

j(x,y)＝|k(x,y)-h(x,y)|(4-1)

首先对差分后的图像j使用加权平均法进行灰度化，用g(x,y)表示灰度化后的差分图像，则有：

g(x,y)＝r(x,y)×0.299+g(x,y)×0.587+b(x,y)×0.114(4-2)

其中，r(x,y)表示图像j的rgb模型中r分量的值、g(x,y)表示图像j的rgb模型中g分量的值、b(x,y)表示图像j的rgb模型中b分量的值；

但为了避免低速的浮点运算，采取整数近似运算的简化方法，则有：

然后再选取阈值t1＝25对上述灰度图像g(x,y)进行二值化，并将得到的二值图像q，记为q(x,y)，则有：

步骤五中新得到的二值图像w，记为w(x,y)，则有：

w(x,y)＝|q(x,y)-o(x,y)|(5-1)

步骤六中求二值图像w中白色像素点的个数，在二值图像中白色像素点的值为1其它为0，故求白色像素点的个数即为求二值图像中各像素点的值之和，将二值图像w中的白色像素点的个数，记为s，则有：

求出二值图像w中白色像素点的个数s后，再求白色像素点的个数与整张图像像素点个数的比值ε，则有：

ε为猪舍洁净度的评价标准，当ε<t0时，猪舍洁净度评价结果为良好，当ε≥t0时，猪舍洁净度评价为需要打扫，其中，t0＝0.2。