本發(fā)明屬于畜牧業(yè)養(yǎng)殖的一種剩料監(jiān)測方法，具體涉及到一種用于籠養(yǎng)區(qū)位的精細(xì)化剩料監(jiān)測方法以及系統(tǒng)。

背景技術(shù)：

1、隨著現(xiàn)代農(nóng)業(yè)養(yǎng)殖技術(shù)的發(fā)展，籠養(yǎng)模式以其高效密集的特點(diǎn)，在畜禽養(yǎng)殖中占據(jù)了主要的地位。然而，在這緊湊的養(yǎng)殖空間內(nèi)，每日的喂料量和剩余的飼料量，都緊密關(guān)聯(lián)著蛋雞的生長速度和整體健康狀態(tài)。因此，實(shí)施精確的喂料控制以及獲取籠位的剩料重量，不僅確保了每個區(qū)位中的蛋雞攝取到均衡的營養(yǎng)，實(shí)現(xiàn)了經(jīng)濟(jì)效益的最大化，而且為養(yǎng)殖人員提供了實(shí)時的攝食數(shù)據(jù)進(jìn)行分析，使他們能夠迅速識別并處理區(qū)位中健康狀況不佳的蛋雞，從而進(jìn)一步優(yōu)化籠養(yǎng)區(qū)域的管理，對養(yǎng)殖業(yè)的可持續(xù)發(fā)展起到關(guān)鍵作用。

2、目前的喂料控制和剩料測重的方式多數(shù)為人工監(jiān)測，比方說研究人員使用傳感器進(jìn)行食料的測重，但面對大型籠養(yǎng)養(yǎng)殖場，此種方式的成本高而且費(fèi)時費(fèi)力。隨著深度學(xué)習(xí)技術(shù)的發(fā)展，基于機(jī)器學(xué)習(xí)的剩料表面檢測方法也在籠養(yǎng)系統(tǒng)中被應(yīng)用。專利cn115526880b，一種用于籠養(yǎng)肉鴿料槽剩料的判別方法，基于機(jī)器學(xué)習(xí)技術(shù)通過料槽圖像與超聲波測距傳感器數(shù)據(jù)去判斷料槽剩料情況，但無法獲取到剩料的具體重量數(shù)據(jù)，而且超聲波測距傳感器只獲取三個平面上的點(diǎn)進(jìn)行曲線擬合，包括料槽內(nèi)部左側(cè)點(diǎn)的距離、超聲波到料槽內(nèi)部中點(diǎn)的距離及超聲波到料槽內(nèi)部右側(cè)點(diǎn)的距離。這種判別方法在面對具有多個曲線的剩料表面時，會產(chǎn)生結(jié)果不準(zhǔn)確等問題。

技術(shù)實(shí)現(xiàn)思路

1、為了解決背景技術(shù)中存在的問題和需求，本發(fā)明提出了一種用于籠養(yǎng)區(qū)位的精細(xì)化剩料管理方法以及系統(tǒng)。本發(fā)明結(jié)合3d點(diǎn)云技術(shù)、深度學(xué)習(xí)技術(shù)以及云服務(wù)技術(shù)，實(shí)現(xiàn)了籠養(yǎng)區(qū)位的喂料控制以及剩料測重，可以幫助大型養(yǎng)殖場實(shí)現(xiàn)低成本、高效率地精細(xì)化管理區(qū)位食料，減少潛在的經(jīng)濟(jì)損失。

2、本發(fā)明的技術(shù)方案如下：

3、一、一種用于籠養(yǎng)區(qū)位的精細(xì)化剩料監(jiān)測方法

4、s1：利用雙目相機(jī)獲取料槽原始rgb圖像，進(jìn)而獲得不同區(qū)位的左/右初始圖像；

5、s2：對每個區(qū)位的左/右初始圖像進(jìn)行預(yù)處理、立體匹配和三維重建后，獲得當(dāng)前區(qū)位的目標(biāo)三維點(diǎn)云；

6、s3：結(jié)合空料點(diǎn)云三維模型，對當(dāng)前區(qū)位的目標(biāo)三維點(diǎn)云進(jìn)行處理后，獲得當(dāng)前區(qū)位的剩料三維點(diǎn)云；

7、s4：使用動態(tài)剩料圖像體積測量方法對當(dāng)前區(qū)位的剩料三維點(diǎn)云進(jìn)行剩料的體積計(jì)算后，獲得剩料的體積；再結(jié)合飼料密度模型，計(jì)算獲得當(dāng)前區(qū)位的剩料重量；

8、s5：重復(fù)s2-s4，對剩余區(qū)位的料槽左/右原始rgb圖像進(jìn)行剩料重量的計(jì)算，獲得不同區(qū)位的剩料重量，從而完成剩料監(jiān)測。

9、所述s1中，結(jié)合料槽邊緣圖像，利用區(qū)位特征劃分法對左相機(jī)拍攝獲得的料槽原始rgb圖像和右相機(jī)拍攝獲得的料槽原始rgb圖像分別進(jìn)行自動實(shí)例分割后，獲得一個區(qū)位的左初始圖像和右初始圖像。

10、所述s2具體為：

11、s21：對每個區(qū)位的左初始圖像和右初始圖像分別進(jìn)行預(yù)處理后，獲得左預(yù)處理圖像和右預(yù)處理圖像；

12、s22：對左預(yù)處理圖像和右預(yù)處理圖像進(jìn)行立體匹配后，獲得料槽密集視差圖；

13、s23：將料槽密集視差圖轉(zhuǎn)換為深度圖，再對深度圖進(jìn)行三維重建后，得到目標(biāo)三維點(diǎn)云。

14、所述s21中，對于每個區(qū)位的左初始圖像，其預(yù)處理過程具體為：

15、s211：使用雙邊濾波方法消除每個區(qū)位的左初始圖像中的孤立噪點(diǎn)，獲得濾波后的圖像，然后使用對數(shù)函數(shù)增強(qiáng)濾波后的圖像中的低光照部分，獲得增強(qiáng)低對比度圖像；

16、s212：使用自適應(yīng)對數(shù)圖像處理方法將增強(qiáng)低對比度圖像和濾波后的圖像組合在一起后，得到目標(biāo)均勻光照圖；

17、s213：使用clahe函數(shù)對目標(biāo)均勻光照圖進(jìn)行處理后，得到左預(yù)處理圖像。

18、所述s22具體為：

19、s221：分別提取左預(yù)處理圖像和右預(yù)處理圖像對應(yīng)的特征點(diǎn)；

20、s222：分別提取左預(yù)處理圖像和右預(yù)處理圖像對應(yīng)的特征描述符；

21、s223：根據(jù)左預(yù)處理圖像和右預(yù)處理圖像的特征描述符，對左預(yù)處理圖像和右預(yù)處理圖像的特征點(diǎn)進(jìn)行匹配后，獲得匹配特征點(diǎn)集合；接著使用隨機(jī)采樣一致性算法對匹配特征點(diǎn)集合進(jìn)行篩選，去除匹配點(diǎn)中的異常極大值；然后采用基于三角不規(guī)則網(wǎng)絡(luò)的方法去掉已去除異常極大值的匹配特征點(diǎn)集合中錯誤的匹配點(diǎn)，獲得正確匹配點(diǎn)集合，從而獲得特征匹配后的左右視圖；

22、s224：使用sgbm算法對特征匹配后的左右視圖進(jìn)行立體匹配后，獲得初始密集視差圖，再采用最近鄰插值的方法將初始密集視差圖中的空洞進(jìn)行填充，得到料槽密集視差圖。

23、所述s3具體為：

24、使用icp算法將目標(biāo)三維點(diǎn)云配準(zhǔn)到空料點(diǎn)云三維模型所在坐標(biāo)系中，獲得配準(zhǔn)后的三維點(diǎn)云；再對配準(zhǔn)后的三維點(diǎn)云進(jìn)行重疊點(diǎn)云的相減，得到非重疊部分的點(diǎn)云數(shù)據(jù)并作為當(dāng)前區(qū)位的剩料三維點(diǎn)云。

25、所述s4中，使用動態(tài)剩料圖像體積測量方法對當(dāng)前區(qū)位的剩料三維點(diǎn)云進(jìn)行剩料的體積計(jì)算后，獲得剩料的體積，具體為：

26、首先，對當(dāng)前區(qū)位的剩料三維點(diǎn)云進(jìn)行從上到下的水平切分后，得到多個切片模型，相鄰兩個切片模型之間形成一個點(diǎn)云帶；

27、接著，對所述每個切片模型進(jìn)行邊界搜索后，獲得每個切片模型的邊界輪廓信息；

28、然后，根據(jù)每個切片模型的邊界輪廓信息，計(jì)算每個切片模型的截面面積；再結(jié)合切片高度，計(jì)算獲得每個點(diǎn)云帶的體積；累加所有點(diǎn)云帶的體積后，獲得剩料的體積。

29、所述s4中，結(jié)合飼料密度模型，計(jì)算獲得當(dāng)前區(qū)位的剩料重量，具體為：

30、利用飼料密度模型匹配當(dāng)前區(qū)位的蛋雞飼料的食料密度后，獲得飼料密度，將剩料的體積與飼料密度相乘后獲得剩料重量。

31、二、一種用于籠養(yǎng)區(qū)位的精細(xì)化剩料監(jiān)測系統(tǒng)

32、設(shè)備控制模塊，用于控制喂料機(jī)以及相機(jī)；

33、飼料密度模型生成單元，用于根據(jù)不同日齡的蛋雞飼料配方構(gòu)建的蛋雞食料數(shù)據(jù)，進(jìn)行食料的體積與重量的計(jì)算后，得到不同日齡的食料的密度數(shù)據(jù)，從而生成飼料密度模型并存儲于云端存儲單元；

34、空料點(diǎn)云三維模型生成單元，用于對區(qū)位空料槽點(diǎn)云圖像進(jìn)行料槽部分的剪裁后，生成空料點(diǎn)云三維模型并存儲于云端存儲單元；

35、剩料重量檢測單元，用于根據(jù)相機(jī)采集獲得的料槽原始rgb圖像計(jì)算不同區(qū)位的剩料重量，并將不同區(qū)位的剩料重量存儲于云端存儲單元；

36、剩料預(yù)警單元，用于根據(jù)不同區(qū)位的剩料重量結(jié)果進(jìn)行預(yù)警分析；

37、云端存儲單元，用于存儲料槽原始rgb圖像、飼料密度模型、飼料密度模型以及不同區(qū)位的剩料重量結(jié)果。

38、所述剩料重量檢測單元，包括：

39、區(qū)位分割單元，用于將料槽原始rgb圖像分割為不同區(qū)位對應(yīng)的左/右初始圖像；

40、預(yù)處理單元，用于對每個區(qū)位的左/右初始圖像進(jìn)行預(yù)處理，獲得左預(yù)處理圖像和右預(yù)處理圖像；

41、立體匹配單元，用于對每個區(qū)位的左預(yù)處理圖像和右預(yù)處理圖像立體匹配，獲得料槽密集視差圖；

42、三維重建單元，用于對料槽密集視差圖進(jìn)行深度圖的轉(zhuǎn)換以及三維重建后，得到目標(biāo)三維點(diǎn)云；

43、剩料三維點(diǎn)云生成單元，用于結(jié)合空料點(diǎn)云三維模型，對每個區(qū)位的目標(biāo)三維點(diǎn)云進(jìn)行處理后，獲得對應(yīng)的剩料三維點(diǎn)云；

44、剩料重量計(jì)算單元，用于對每個區(qū)位的剩料三維點(diǎn)云進(jìn)行剩料體積的計(jì)算，進(jìn)而計(jì)算剩料重量。

45、與現(xiàn)有技術(shù)相比，本發(fā)明提出的一種用于籠養(yǎng)區(qū)位的精細(xì)化剩料監(jiān)測方法以及系統(tǒng)所取得的有益效果在于：

46、1、本發(fā)明提出了一種非接觸式估計(jì)剩料重量的方法，通過深度學(xué)習(xí)與3d點(diǎn)云技術(shù)的結(jié)合，不僅僅更加準(zhǔn)確地監(jiān)測出料槽內(nèi)部的剩料分布情況，還可以準(zhǔn)確獲取剩料的體積、重量數(shù)據(jù)。

47、2、本發(fā)明只需在喂料單元安裝采集設(shè)備，配置各設(shè)備參數(shù)以及通信關(guān)系，即可通過程序代碼自動提取圖像信息并處理，準(zhǔn)確獲取料槽內(nèi)食料情況，無需額外其它設(shè)備，成本大大降低。

48、3、本發(fā)明還提出了一套基于云端通信、云存儲和云計(jì)算技術(shù)的區(qū)位剩料監(jiān)測系統(tǒng)，存儲空間不受硬件限制，具有極快的處理速度；還可以根據(jù)剩料重量進(jìn)行縱向?qū)Ρ群蜋M向?qū)Ρ龋_定健康狀況較差的蛋雞所在區(qū)位，為養(yǎng)殖人員在下一步?jīng)Q策行為提供精確的數(shù)據(jù)支持；此外，該系統(tǒng)還提供了更加詳細(xì)的料槽內(nèi)剩料分布情況，為下一步精確喂料建立了有力基礎(chǔ)，避免喂料中的少喂以及撒漏現(xiàn)象，提高喂料效率以及降低成本。