一种奶牛乳房炎自动检测方法、系统、存储介质及设备技术方案

本发明专利技术涉及一种奶牛乳房炎自动检测方法、系统、存储介质及设备，其包括：采集奶牛的双侧深度图像和红外热图像，并采集奶牛个体身份识别信息；在对各个奶牛所获取的所述深度图像和红外热图像上，识别出奶牛双侧眼区和前后乳区；通过对奶牛眼区和乳区的温度特征对奶牛是否患有乳房炎进行判断检测。本发明专利技术具有检测方便、快速、非接触、对奶牛无应激的优点，该系统可替代部分人工检测环节，有效降低挤奶劳动力成本。本发明专利技术可以广泛在农业家畜自动化领域中应用。应用。应用。

【技术实现步骤摘要】
一种奶牛乳房炎自动检测方法、系统、存储介质及设备


[0001]本专利技术涉及一种农业家畜自动化领域，特别是关于一种奶牛乳房炎自动检测方法、系统、存储介质及设备。

技术介绍

[0002]奶牛乳房炎是奶牛生产中最为严重的疾病之一，不仅使得产奶量和奶品质降低，而且导致奶牛淘汰率增加，对奶牛养殖牧场带来巨大的经济损失。按照临床症状的有无，奶牛乳房炎主要分为临床乳房炎和隐性乳房炎。临床乳房炎奶牛表现出肉眼可见的临床症状，如乳房外观红、肿、热症状，乳汁含有絮状物或者结块，比较容易检测；隐性乳房炎奶牛乳房外观和乳汁没有明显的肉眼可见变化，检测起来比较困难。奶牛显性乳房炎和隐性乳房炎的早期检测和治疗，对控制乳房炎传染、改善治疗效果和减少经济损失具有重要意义。
[0003]常规乳房炎的检测方法主要有直接体细胞计数法(SCC)、间接体细胞计数法(CMT)、乳汁PH法、乳汁电导率法(EC)和微生物培养鉴定法，这些方法都需要以牛奶作为样品，不适合进行大规模牛群现场连续测试，限制了其在生产实际中的应用。由于我国牧场规模化、集约化发展，万头牛场的数量逐渐增加，奶牛养殖规模迅速扩大，建立一种快速、高效且能够用于大规模生产实际的隐性乳房炎早期检测方法尤其重要。

技术实现思路

[0004]针对上述问题，本专利技术的目的是提供一种奶牛乳房炎自动检测方法、系统、存储介质及设备，其检测方便、快速、非接触、对奶牛无应激。
[0005]为实现上述目的，本专利技术采取以下技术方案：一种奶牛乳房炎自动检测方法，其包括：采集奶牛的双侧深度图像和红外热图像，并采集奶牛个体身份识别信息；在对各个奶牛所获取的所述深度图像和红外热图像上，识别出奶牛双侧眼区和前后乳区；通过对奶牛眼区和乳区的温度特征对奶牛是否患有乳房炎进行判断检测。
[0006]进一步，所述深度图像、红外热图像和奶牛个体身份识别信息的采集方法，包括：
[0007]对每个奶牛采用RFID读卡器获取相应的奶牛个体身份识别信息；
[0008]设定采集频率，通过多线程操作分别对进行个体身份识别后的奶牛双侧由热像仪和Kinect进行图像采集；
[0009]所述热像仪获取测温参数信息，所述测温参数信息包括环境温湿度、辐射率、反射温度和距离，以及温度数据，将所述测温参数信息转换成伪彩图像，作为红外热图像；
[0010]所述Kinect获取深度图像，提取多数据源以获取多源数据帧，从多源数据帧中分离出彩色和深度数据源，对深度图像进行基于加权平均的众数滤波，修补图像空洞。
[0011]进一步，所述识别出奶牛双侧眼区和前后乳区，包括：
[0012]对所述深度图像，通过背景差分法提取包含完整牛体图像帧，去除无用的背景信息；
[0013]将红外热图像与深度图像进行对比配准，通过图像变换将奶牛红外热图映射至去
除无用的背景信息的深度图像；
[0014]分割奶牛深度图像，将奶牛从背景中分割出来；
[0015]在分割后的奶牛深度图像中对奶牛骨架特征进行提取和分类；
[0016]基于深度学习的奶牛眼区和乳区定位：搭建基于U
‑
net网络的奶牛眼区和乳区识别的网络，以mobilenet网络训练好的模型作为奶牛眼区和前后乳区图像分割网络的初始化参数模型，经训练得模型。
[0017]进一步，所述分割奶牛深度图像，包括：
[0018]使用图像采集背景的深度图像，将背景深度图像和奶牛深度图相减，确定奶牛所处的深度范围，得到恢复的深度图像；
[0019]利用中值滤波消除噪声，获得分割图像以获得奶牛掩膜。
[0020]进一步，所述对奶牛骨架特征进行提取和分类，包括：
[0021]通过特征距离变换，细化和特征检测获得初步的奶牛骨架图，提取骨架特征包括骨架端点、分叉点和骨架分支；
[0022]采用基于路径相似性的骨架图匹配分类方法，计算待匹配图像骨架相邻端节点路径向量，并与模板计算距离相似度矩阵，判断最接近的骨架模板，匹配对应的头、四肢、尾部骨架端节点；
[0023]当两个前肢或两个后肢同时被检测出时，利用骨架的深度特征进行判断。
[0024]进一步，所述通过对奶牛眼区和乳区的温度特征对奶牛是否患有乳房炎进行判断检测，包括：
[0025]对得到的奶牛乳区红外热图像进行温度检测，将划定乳区皮肤最大温度作为乳区皮肤温度指标，自动获取奶牛乳区皮肤温度特征，并获取奶牛眼区的温度特征；
[0026]建立奶牛温度和测量距离的误差模型，对测量获得的奶牛眼区和乳区最高温度值进行修正，减小测量误差；
[0027]计算奶牛单侧眼区和前乳区最高温度的差作为第一温度差，单侧眼区和后乳区最高温度的差作为第二温度差，以及左侧乳区和右侧乳区最高温度的差作为第三温度差，作为奶牛乳房炎判断依据；
[0028]使用第一温度差至第三温度差，判断该奶牛乳区温度是否异常，如果异常，则判断为可能患有乳房炎。
[0029]进一步，所述乳区温度是否异常的判断依据满足其中一项即为乳区温度异常，判断依据为：
[0030]当第一温度差高于预先设定的第一阈值，则该奶牛乳区温度异常；
[0031]当第二温度差高于预先设定的第二阈值，则该奶牛乳区温度异常；
[0032]当第三温度差高于预先设定的第三预置，则该奶牛乳区温度异常；
[0033]所述第一阈值在(1.47℃，1.83℃)范围内取值，所述第二阈值在(2.12℃，2.52℃)范围内取值，所述第三阈值在(0.79，0.99)范围内取值。
[0034]一种奶牛乳房炎自动检测系统，该系统用于实现上述奶牛乳房炎自动检测方法，该系统包括：奶牛个体识别模块，设置在奶牛通道一侧，用于采集奶牛个体身份识别信息；图像采集设备，设置在奶牛通道的两侧，用于采集奶牛两侧的图像信息，该图像信息包括深度图像和红外热图像；从控端，设置在奶牛通道的一侧，与设置在该侧的图像采集设备连
接，用于接收相应的图像信息；主控端，设置在奶牛通道的另一侧，与该侧的图像采集设备连接并接收相应的图像信息，并与所述从控端通过TCP/IP进行通讯，接收所述从控端传输至的图像信息，并进行处理。
[0035]一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行上述方法中的任一方法。
[0036]一种计算设备，其包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行上述方法中的任一方法的指令。
[0037]本专利技术由于采取以上技术方案，其具有以下优点：
[0038]1、本专利技术的奶牛自动乳房炎检测系统，可在现有的旋转式挤奶设备基础上，进行配套使用，不用添置新的大型挤奶设备，不需要牛奶作为样品进行检测，具有检测方便、快速、非接触、对奶牛无应激的优点，该系统可替代部分人工检测环节，有效降低本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种奶牛乳房炎自动检测方法，其特征在于，包括：采集奶牛的双侧深度图像和红外热图像，并采集奶牛个体身份识别信息；在对各个奶牛所获取的所述深度图像和红外热图像上，识别出奶牛双侧眼区和前后乳区；通过对奶牛眼区和乳区的温度特征对奶牛是否患有乳房炎进行判断检测。2.如权利要求1所述奶牛乳房炎自动检测方法，其特征在于，所述深度图像、红外热图像和奶牛个体身份识别信息的采集方法，包括：对每个奶牛采用RFID读卡器获取相应的奶牛个体身份识别信息；设定采集频率，通过多线程操作分别对进行个体身份识别后的奶牛双侧由热像仪和Kinect进行图像采集；所述热像仪获取测温参数信息，所述测温参数信息包括环境温湿度、辐射率、反射温度和距离，以及温度数据，将所述测温参数信息转换成伪彩图像，作为红外热图像；所述Kinect获取深度图像，提取多数据源以获取多源数据帧，从多源数据帧中分离出彩色和深度数据源，对深度图像进行基于加权平均的众数滤波，修补图像空洞。3.如权利要求1所述奶牛乳房炎自动检测方法，其特征在于，所述识别出奶牛双侧眼区和前后乳区，包括：对所述深度图像，通过背景差分法提取包含完整牛体图像帧，去除无用的背景信息；将红外热图像与深度图像进行对比配准，通过图像变换将奶牛红外热图映射至去除无用的背景信息的深度图像；分割奶牛深度图像，将奶牛从背景中分割出来；在分割后的奶牛深度图像中对奶牛骨架特征进行提取和分类；基于深度学习的奶牛眼区和乳区定位：搭建基于U
‑
net网络的奶牛眼区和乳区识别的网络，以mobilenet网络训练好的模型作为奶牛眼区和前后乳区图像分割网络的初始化参数模型，经训练得模型。4.如权利要求3所述奶牛乳房炎自动检测方法，其特征在于，所述分割奶牛深度图像，包括：使用图像采集背景的深度图像，将背景深度图像和奶牛深度图相减，确定奶牛所处的深度范围，得到恢复的深度图像；利用中值滤波消除噪声，获得分割图像以获得奶牛掩膜。5.如权利要求3所述奶牛乳房炎自动检测方法，其特征在于，所述对奶牛骨架特征进行提取和分类，包括：通过特征距离变换，细化和特征检测获得初步的奶牛骨架图，提取骨架特征包括骨架端点、分叉点和骨架分支；采用基于路径相似性的骨架图匹配分类方法，计算待匹配图像骨架相邻端节点路径向量，并与模板计算距离相似度矩阵，判断最接近的骨架模板，匹配对应的头、四肢、尾部骨架端节点；当两个前肢或两个后肢同时被检测出时，利用骨架的深度...

【专利技术属性】
技术研发人员：施正香，贾楠，杜松怀，苏娟，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：