论文部分内容阅读
体况评分(Body Condition Score, BCS)是以奶牛体脂肪沉积为主要依据,用来衡量奶牛能量代谢状况的一种重要评定方法,是奶牛饲养管理中不可缺少的一种工具。不同的奶牛个体有着不相同的奶牛体况分数。传统的奶牛体况评分方法要求熟练掌握体况评分规则的专业人员来进行评分,并且人工评分存在着一定的主观差异性。本文提出一种应用计算机的自动奶牛体况评分方法。通过分析奶牛体况评分的相关标准,然后通过相关实验对奶牛体况自动评分方法进行测试。模式识别,是指对客观事物或现象的信息进行分析和处理,以及对事物或现象进行辨认、描述、分类、解释等的过程,是人工智能和信息科学的一个重要组成部分。图像识别是以图像为识别载体,当前在人脸识别、表情识别和掌纹识别等领域,已经得到了广泛应用。但是在奶牛体况评分中,尚没有图像识别技术的相关研究。本文将图像识别技术引入到奶牛体况评分的工作中,目的是实现奶牛体况的自动评分,消除人工评分的缺点和不足。本文的研究内容主要有以下几点:(1)首先在对大量的奶牛体型线性评定和奶牛体况评分的相关资料和文献进行深入的分析,深入了解线性评定和体况评分的相关方法要领、观察部位,掌握评分的关键点,对奶牛的生理特征进行详细的观察了解。总结两种评分方法的不同之处,分析各自的优点和不足。(2)然后查看人脸识别和掌纹识别领域的相关技术的应用研究,了解人脸识别和掌纹识别系统的组成部分,各部分功能和主要关键技术,深入研究主成分分析法(?)Fisher线性判别方法,探讨将图像识别技术引入到奶牛体况评分领域的困难和可行性。(3)到奶牛养殖企业实地考察,拍摄大量奶牛图片,实地了解奶牛体况评分的相关步骤和具体情况,为后续的实验研究做好充分的准备工作。(4)实验研究阶段,从拍摄到的人工进行体况评分的奶牛尾部图像中选取典型的具有代表性的图像作为图像识别的训练图像。对每一幅图像进行预处理后作为训练图像库,然后用训练图像来对待测体况图像进行计算机图像识别评分。最后将图像识别评分与专业人员评分进行对比,对自动评分实验的误差进行统计分析。通过实验结果可以看出,通过对奶牛尾部正后方进行拍摄,拍摄的图像进行预处理之后建立奶牛尾部图像库,利用该图像库对奶牛体况进行图像识别,从而在一定误差范围内实现奶牛体况的自动评分,代替人工评分。