关键词:
畜禽养殖业
环境监测
自动控制
机器视觉
图像处理
摘要:
我国畜禽养殖业发展迅速,但是畜禽“福利”一直得不到保障。禽舍环境长期得不到重视,与此同时畜禽疫病频发也冲击着整个行业,如果禽舍环境与畜禽健康问题处理不好,不仅对养殖人员造成巨大的经济损失,同时也不利于我们人类的健康。基于上述问题,本文从两个方面入手,以蛋鸡为例,提出了鸡舍环境检测方法以及蛋鸡健康检测方法,在保障鸡舍环境方面引入智能检测技术设计鸡舍环境监测系统,在蛋鸡健康检测方面引入机器视觉技术。本课题是智能检测与机器视觉在农业方面的创新应用。具体研究工作如下:(1)设计合适的鸡舍环境检测方法。设计了鸡舍环境监测系统,对鸡舍环境实现自动检测与调控。硬件方面,对影响蛋鸡生长的环境因子做了调研分析,得知温度、湿度、二氧化碳、氨气、硫化氢这五个环境参数对蛋鸡各阶段的影响,从而确定检测方向。进行模块化设计,根据需求对各模块的硬件选型,温湿度检测选择DHT11传感器、二氧化碳检测选择MH-Z19B红外式传感器、氨气检测选择MQ137半导体传感器、硫化氢检测选择MQ136半导体传感器、中央处理器选择STM32f103C8T6微控制器、控制模块和报警模块选择继电器和蜂鸣器、显示屏选择OLED屏幕、通信模型采用异步通信选择CH340芯片。选型完成后设计对应的电路,部分模块增加滤波调理电路增加稳定性,电源采用5V和3.3V分压供电。软件方面,使用KEIL MDK5软件对各模块的驱动程序进行设计,使用多通道数据采集,采用卡尔曼滤波对数据进行滤波处理。基于LVGL图形库开发上位机软件,建立项目并配置小部件的宏,设计页面管理、功能交互和功能程序代码,最终在Windows系统下的Code Blocks生成上位机软件,实现了多种功能如串口通信、数据显示、阈值设置、控制设备的调控、数据存储和曲线绘制等。(2)设计合适的蛋鸡健康检测方法。首先探索了多种检测健康的方法,如红外非接触测温法、基于机器视觉的鸡冠颜色识别方法,但这两种方法都各自由局限性,不适合推广。经过分析提出了基于机器视觉的蛋鸡姿态特征的健康检测方法,设计了基于K-Means聚类和椭圆模型相结合的蛋鸡背景分割算法,能够精准的分割出目标蛋鸡。使用Hilditch细化算法和道格拉斯普克算法对蛋鸡骨架进行提取与简化,并找出重心点。最后对蛋鸡进行特征提取,从后背直立度、骨架枝倾斜角、三个外观特征(轮廓面积周长比、延伸率和复杂度)共五个特征维度分析健康鸡和病鸡的姿态特征区别,利用这些特征对蛋鸡的健康进行预测判断。(3)对鸡舍环境检测方法和蛋鸡健康检测方法进行验证与分析。首先验证鸡舍环境检测方法,绘制PCB板,制作系统硬件实物图,先对系统硬件软件进行测试,测试符合要求后,对系统性能进行测试,测试结果为:系统响应时间在30秒以内,温度误差在1℃以内,湿度误差在3%RH以内,氨气和硫化氢浓度误差都在1ppm以内,二氧化碳浓度误差在20ppm以内,继电器和蜂鸣器能正常启动,同时稳定性也较好。在验证蛋鸡健康检测方法方面,选择测试样本验证五个判别蛋鸡健康的特征维度,测试发现这些特征对于蛋鸡健康区分度较高。通过对比分析在SVM模型中选择高斯核函数对样本进行准确度测试,最终在测试集中得到的准确率为98.05%,最优参数c=10,γ=0.001。通过验证与分析,这两个方法均取得不错的效果,适合应用与推广。