[发明专利]一种基于机器视觉的奶牛步态评分方法和系统

说明书

本公开涉及一种基于机器视觉的奶牛步态评分方法和系统。其中方法包括：步骤S1、利用图像采集装置采集奶牛在指定区域内的行走视频；步骤S2、从所述行走视频中提取出所述奶牛的关键部位的特征点，所述关键部位包含头部、颈部、背部、尾部、胫骨、膝盖、蹄部；步骤S3、对所述关键部位的特征点进行标注，标注信息包括所述关键部位的名称、所述特征点的坐标、所述特征点的置信度；步骤S4、基于所述关键部位的特征点和所述标注信息确定所述奶牛的步态评分。

技术领域

本发明属于图像识别技术领域，具体涉及一种基于机器视觉的奶牛步态评分方法和系统。

背景技术

中国作为畜牧业大国，其畜牧总量一直稳居世界前列。奶牛跛行作为奶牛养殖过程中的常见疾病，不仅影响奶牛的产奶量，降低奶牛生活福利，还会导致繁殖能力下降，淘汰率提高。美国高盛研究报告《人工智能与精准农业》显示，奶牛平均跛行率为23.5％，每年造成经济损失110亿美元，人工检测奶牛跛行依赖观察者主观性因素，费时费力，因此开展奶牛跛行的早期检测、自动检测具有重要意义。

目前，对奶牛跛行的检测方法主要分为接触式和非接触式两种，通过分析奶牛行为特征对跛行进行检测，国内外学者对此进行了大量研究。以往的研究中通常以检测奶牛弓背为主，但是弓背特征存在个体差异性，不同奶牛体况对弓背影响较大；对于奶牛步态检测，腿部提取较为模糊，一些研究只能通过手动标记或与压力垫结合确定牛蹄着地位置，无法实现准确的自动定位。

机器视觉技术，是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科。机器视觉主要用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。机器视觉技术最大的特点是速度快、信息量大、功能多。

使用机器视觉技术可以智能感知奶牛行走特征，避免应激反应，近年来成为奶牛跛行检测的主要手段。奶牛跛行主要是由蹄病引起的行为变化，奶牛行走时蹄部由于疼痛承重能力下降，奶牛步态变化以及相应的头颈部斜率变化、弓背程度可以直观反映跛行程度，可通过机器视觉技术检测跛行奶牛步态。由于牛蹄相对体积较小，形状特征不明显，故定位较困难。前人的研究多以手动标记为主，无法实现自动检测，而且在奶牛的跛行检测中，通常只根据弓背情况或跛行检测判断奶牛跛行与否。

(一)基于机器视觉技术的奶牛跛行检测研究

比利时学者Poursaberi等人采用图像分析技术对奶牛跛行进行了早期识别。该研究考虑牛在摄像头面前的停顿及牛行走时的不统一性，对原始采集的数据进行了预处理，通过背景消除法对运动的奶牛粗略定位，同时基于二值灰度图统计分析的方法对移动的奶牛进行识别。为了把奶牛特征从背景中提取，前景放大法被用来分隔奶牛图像和背景，获得了奶牛站立和行走时背部的图像，通过与正常牛的背部样条曲线比较，跛行奶牛背部样条曲线有明显差异。因此，背部姿态信息可以检测奶牛跛行。

为了研究蹄病如何影响奶牛步态，Flower等人利用摄像机在长为40m的测量通道记录了48头高产荷斯坦奶牛的步态数据，通过运动分析软件提取6个运动学步态特征，绘制了健康奶牛与蹄部病变奶牛趾蹄时空关系分布图，通过分析发现，与患有蹄病奶牛相比，健康奶牛步行速度更快，步幅持续时间更短，步幅更长；奶牛通过同侧蹄和对侧蹄之间交替支撑来完成双趾支撑；在三趾支撑期间，健康奶牛仅在三趾上花费了步幅时间的18％，而蹄病奶牛为减轻患趾负荷，这一数据增加了一倍多，占步幅时间的42％。由此可知，蹄部病变的奶牛支撑持续时间和摆动持续时间具有差异，可以作为检测跛行指标。

Kang Xi等人利用计算机视觉技术对奶牛牛蹄位置进行自动定位，通过分析奶牛步行时的同侧牛蹄运动轨迹，对跛行进行了识别分类。宋怀波从奶牛序列图像中提取头部、颈部和背部连接的轮廓线，计算该线拟合直线斜率，对18头奶牛进行跛行识别分类，有94％的奶牛被正确分类。Jiang等人采用双正态分布模型获取目标奶牛像素区域，设计了背景统计模型确定奶牛跛行程度，结果表明该方法可以用于检测奶牛跛行。

(二)基于测力传感器技术的奶牛跛行检测研究