一种鸡规模化养殖的健康状态视觉辅助检测方法与流程

本申请涉及图像分割处理，具体涉及一种鸡规模化养殖的健康状态视觉辅助检测方法。

背景技术：

1、家禽产业是畜牧业中的传统产业，在我国畜牧业中占据重要地位。家禽的规模化养殖不仅提高了养殖效率，还在一定程度上降低了养殖成本。然而，疾病问题一直是制约家禽产业发展的重要因素之一。目前鸡常见的疾病有脚垫皮炎、禽流感、新城疫及寄生虫病等，患病鸡往往表现出外观、姿态、行为、粪便、体温等方面的变化。

2、目前，通过机器视觉的方式对鸡的健康状态进行检测已经成为了一种主流的检测方式。然而，现有的图像检测方式在对鸡进行检测时，通常都是针对单只鸡进行检测。在规模化的养殖环境中，鸡群数量庞大且彼此之间存在遮挡，现有的图像分割方法难以精准识别到单只鸡，分割效果较差，导致对鸡的健康状态检测精度较低。

技术实现思路

1、为了解决上述技术问题，本申请提供一种鸡规模化养殖的健康状态视觉辅助检测方法，以解决现有的问题。

2、本申请的一种鸡规模化养殖的健康状态视觉辅助检测方法采用如下技术方案：

3、本申请一个实施例提供了一种鸡规模化养殖的健康状态视觉辅助检测方法，该方法包括以下步骤：

4、s1，采集鸡舍检测视频并分解，得到各帧鸡舍灰度图像；

5、s2，对鸡舍灰度图像进行连通域分析得到各连通域；根据各连通域边缘像素点的灰度变化方向的差异情况，得到各连通域的边缘不规则系数；获取各帧鸡舍灰度图像中的角点；根据相邻帧鸡舍灰度图像中各连通域内角点的移动情况、边缘不规则系数和边缘灰度变化，筛选鸡群区域；

6、s3，根据各鸡群区域的形状与圆形的差异情况，得到各鸡群区域的粘连指数；根据所有鸡群区域的粘连指数的数值分布划分粘连鸡群区域和鸡个体区域；根据粘连鸡群区域边缘上相邻像素点的局部窗口内的纹理和灰度变化方向差异，将粘连鸡群区域分割为各子鸡群区域；

7、s4，根据各子鸡群区域的粘连指数，将各子鸡群区域分割为若干个鸡个体区域；对所有鸡个体区域进行健康状态检测。

8、进一步，所述各连通域的边缘不规则系数的获取方法，包括：

9、对于各连通域，将连通域边缘上的像素点，记为边缘像素点；获取各边缘像素点的梯度方向；计算各边缘像素点与距离其最近的边缘像素点的梯度方向差异；将连通域内包含的所有边缘像素点的所述梯度方向差异的均值，记为各连通域的边缘不规则系数。

10、进一步，所述筛选鸡群区域的方法，包括：

11、采用光流估计法获取鸡舍灰度图像中每个角点的运动矢量；计算各连通域中所有角点的运动矢量的均值，作为各连通域的平均移动系数；

12、对于各连通域，综合连通域的平均移动系数、边缘不规则系数和边缘灰度变化，得到连通域的移动置信度；

13、对鸡舍灰度图像中所有连通域的移动置信度进行阈值分析，得到分割阈值；将移动置信度大于或等于分割阈值的连通域记为鸡群区域。

14、进一步，所述连通域的移动置信度的获取方法，包括：

15、将连通域的移动置信度记为a，；式中，为连通域的平均移动系数；为所有连通域的平均移动系数的最大值；r为连通域的边缘不规则系数，为连通域内所有边缘像素点的灰度值方差。

16、进一步，所述根据各鸡群区域的形状与圆形的差异情况，得到各鸡群区域的粘连指数，包括：

17、对于各鸡群区域，获取鸡群区域内所有像素点的个数，记为面积s，获取鸡群区域的边缘上像素点的个数，记为周长l；根据鸡群区域的面积和周长的数值对比，得到鸡群区域的圆形类似因子；

18、获取各鸡群区域的最小外接矩形，将各鸡群区域的面积与其最小外接矩形内所有像素点的个数之间的差值绝对值，记为各鸡群区域的外接矩形差异；

19、将各鸡群区域的外接矩形差异的归一化值与圆形类似因子的比值，作为各鸡群区域的粘连指数。

20、进一步，所述鸡群区域的圆形类似因子的获取方法，包括：将鸡群区域的圆形类似因子记为f，；其中，s为鸡群区域的面积；l为鸡群区域的周长；为圆周率。

21、进一步，所述根据所有鸡群区域的粘连指数的数值分布划分粘连鸡群区域和鸡个体区域，包括：

22、对所有鸡群区域的粘连指数进行阈值分析得到粘连阈值，将粘连指数大于粘连阈值的鸡群区域记为粘连鸡群区域；将粘连指数小于或等于粘连阈值的鸡群区域记为鸡个体区域。

23、进一步，所述根据粘连鸡群区域边缘上相邻像素点的局部窗口内的纹理和灰度变化方向差异，将粘连鸡群区域分割为各子鸡群区域，包括：

24、对于各粘连鸡群区域，以粘连鸡群区域的各边缘像素点为中心构建预设大小的像素窗口；获取所述像素窗口的纹理特征；获取所述像素窗口内各像素点的梯度方向；将以各边缘像素点为中心的像素窗口中所有像素点的梯度方向的方差，记为各边缘像素点的窗内方向差异；

25、根据各边缘像素点的纹理特征和窗内方向差异得到各边缘像素点的凹点置信度；

26、计算任意两个边缘像素点的凹点置信度之和，记为第一和值；计算所述任意两个边缘像素点的像素窗口中所有像素点的梯度方向的最大值差异；将所述最大值差异与第一和值的差异，作为所述任意两个边缘像素点之间的对应凹点置信度；将粘连鸡群区域内对应凹点置信度最大的两个边缘像素点记为粘连鸡群区域的两个分割凹点；

27、连接粘连鸡群区域的两个分割凹点，将粘连鸡群区域分割为两个子鸡群区域。

28、进一步，所述根据各边缘像素点的纹理特征和窗内方向差异得到各边缘像素点的凹点置信度，包括：

29、令第v个边缘像素点的凹点置信度为，；式中，为第v个边缘像素点的窗内方向差异；分别代表以第v个、第v-1个边缘像素点为中心的像素窗口中所有像素点的梯度方向的最大值；分别表示以第v个、第v-1个边缘像素点为中心的像素窗口的纹理特征。

30、进一步，所述根据各子鸡群区域的粘连指数，将各子鸡群区域分割为若干个鸡个体区域，包括：对各子鸡群区域重复粘连鸡群区域和鸡个体区域的划分操作，直至得到的所有子鸡群区域的粘连指数小于或等于粘连阈值，得到所有鸡个体区域。

31、本申请至少具有如下有益效果：

32、本申请考虑到在帧鸡舍灰度图像中，因背景特征点繁杂而造成的干扰问题，通过鸡的移动特征通过相邻帧图像中像素点变化得到边缘不规则系数来区分移动的前景与固定的背景，筛选鸡群区域；进一步考虑到因养殖密度高而导致的鸡群粘连的问题，通过鸡群区域的形状构建粘连指数，以评估连通域中是否发生了粘连情况；进一步根据粘连指数划分粘连鸡群区域和鸡个体区域；对于粘连鸡群区域，分析了鸡个体在粘连鸡群区域中的边缘形态，根据粘连鸡群区域边缘的纹理和灰度变化方向差异，将粘连鸡群区域层层分割为鸡个体区域。本申请主要通过提取出粘连的连通域并进行个体分割，从而提高了在高密度养殖环境下的养殖场景图像中对鸡个体的分割精度。

技术特征：

1.一种鸡规模化养殖的健康状态视觉辅助检测方法，其特征在于，该方法包括以下步骤：

2.如权利要求1所述的一种鸡规模化养殖的健康状态视觉辅助检测方法，其特征在于，所述各连通域的边缘不规则系数的获取方法，包括：

3.如权利要求1所述的一种鸡规模化养殖的健康状态视觉辅助检测方法，其特征在于，所述筛选鸡群区域的方法，包括：

4.如权利要求3所述的一种鸡规模化养殖的健康状态视觉辅助检测方法，其特征在于，所述连通域的移动置信度的获取方法，包括：

5.如权利要求1所述的一种鸡规模化养殖的健康状态视觉辅助检测方法，其特征在于，所述根据各鸡群区域的形状与圆形的差异情况，得到各鸡群区域的粘连指数，包括：

6.如权利要求5所述的一种鸡规模化养殖的健康状态视觉辅助检测方法，其特征在于，所述鸡群区域的圆形类似因子的获取方法，包括：将鸡群区域的圆形类似因子记为f，；其中，s为鸡群区域的面积；l为鸡群区域的周长；为圆周率。

7.如权利要求6所述的一种鸡规模化养殖的健康状态视觉辅助检测方法，其特征在于，所述根据所有鸡群区域的粘连指数的数值分布划分粘连鸡群区域和鸡个体区域，包括：

8.如权利要求1所述的一种鸡规模化养殖的健康状态视觉辅助检测方法，其特征在于，所述根据粘连鸡群区域边缘上相邻像素点的局部窗口内的纹理和灰度变化方向差异，将粘连鸡群区域分割为各子鸡群区域，包括：

9.如权利要求8所述的一种鸡规模化养殖的健康状态视觉辅助检测方法，其特征在于，所述根据各边缘像素点的纹理特征和窗内方向差异得到各边缘像素点的凹点置信度，包括：

10.如权利要求7所述的一种鸡规模化养殖的健康状态视觉辅助检测方法，其特征在于，所述根据各子鸡群区域的粘连指数，将各子鸡群区域分割为若干个鸡个体区域，包括：对各子鸡群区域重复粘连鸡群区域和鸡个体区域的划分操作，直至得到的所有子鸡群区域的粘连指数小于或等于粘连阈值，得到所有鸡个体区域。

技术总结
本申请涉及图像分割处理技术领域，具体涉及一种鸡规模化养殖的健康状态视觉辅助检测方法，该方法包括：采集鸡舍检测视频并分解，得到各帧鸡舍灰度图像；根据鸡舍灰度图像各连通域边缘像素点的灰度变化方向的差异情况，筛选鸡群区域；根据各鸡群区域的形状与圆形的差异情况，得到各鸡群区域的粘连指数，划分粘连鸡群区域和鸡个体区域；根据粘连鸡群区域边缘上相邻像素点的局部窗口内的纹理和灰度变化方向差异，将粘连鸡群区域分割为各子鸡群区域；根据各子鸡群区域的粘连指数，将各子鸡群区域分割为若干个鸡个体区域；对所有鸡个体区域进行健康状态检测。本申请可提高鸡规模化养殖环境图像中对鸡个体的分割精度。

技术研发人员：刘登堂,王连波,张国,王晓杰,陈会芳,石光亮,徐彩霞,刘长岗,吴兰,刘东洋
受保护的技术使用者：大连守业生物科技有限公司
技术研发日：
技术公布日：2024/11/28