郏县红牛形态参数多视角机器视觉检测的关键技术研究

许绘香 苏玉

（郑州工程技术学院信息工程学院 河南省郑州市 450044）

近年来，伴随着计算机技术和人工智能技术的不断发展进步，牲畜检测关键技术的应用也愈发广泛。在并行处理和神经元网络技术的发展过程中，郏县红牛形态参数检测的关键技术也在不断成熟。机器视觉检测技术的作用原理就是将光学科技产品利用非接触传感器，实现自动化接收并实时处理立体图像的过程。为了获取有效信息，机器视觉检测技术具有可视化和自动化程度较高的特点。

1 应用多视角机器视觉关键技术检测郏县红牛形态参数

1.1 匹配计算机对应图像

郏县红牛的外观图像匹配是指应用机器视觉检测关键技术在相同的场景下从不同的角度拍摄的两幅及以上的立体图像反映在计算机信息处理器上。匹配立体图像是二维信息恢复的基础前提，在已知郏县红牛图像的给定条件中找出对应的匹配信息[1]。在相同场景中获取得给定郏县红牛参数的对应点，在图像上搜索立体图像坐标。在标的物图像上的对应点作为中心，对相邻图像进行检测，将选定的郏县红牛形态参数图像与相邻图像的重叠部分作为参照物。把相邻的第三幅郏县红牛图像的平移距离进行测量，并检测出各个图像的关联性，以此判断图像之间是否匹配，以及图像与郏县红牛的形态参数契合程度。一旦出现图像的纹理特征不明显的状况时，应用机器视觉检测技术进行对标的图像进行相关处理。在郏县红牛形态检测过程中，需要将目标图像从拍摄背景中分离出来，用图像值化的手段转化成多彩阈值图像，然后利用动态学的轨迹分析消除外界噪声，并且消除物体自带阴影和光照条件影响因素[2]。利用计算器视觉技术检测郏县红牛图像清晰度，计算公式如下：

其中，M 是图像领域，I 是图像颗粒噪声，a,b 是对应的模板系数坐标，p 是像素阈值，图像清晰度随着M 数值的变小而越小。了解检测场景的检验信息，规划图像的检测步骤。即便是处于静止状态的标准图像，机器视觉检测几乎也能在某些特定区域捕捉到图像信息，从而进行检测。将像素区域进行适当标记，分析图像在多维角度下的封闭曲线目标区域，在图像轮廓上选取参照的空间边缘界限，在无遮挡环境下进行结果分析。

1.2 提取郏县红牛形态特征

郏县红牛的形态特征提取，需要依靠机器检测关键技术的应用。郏县红牛的产地是河南郏县，具有体型巨大且结构匀称的特点，经过精心喂养后可稳定产出高质量的雪花牛肉。针对郏县红牛的形态，郏县红牛的外观形态大致相同，都是短毛且光泽度较好，毛色以红色为主，一部分为紫红或者浅红色[3]。郏县红牛的头部方正，额头宽阔且嘴形为方形，眼睛大而有神。牛角多呈现出向上弯曲并且牛角偏短的特点，还有一部分郏县红牛的牛角向两侧平伸。公牛的脖颈比较短，腰背线条流畅且四肢健壮，肌肉丰满。母牛的头部形态相较于公牛来说整体围度更小，体型也更矮小一些。郏县红牛的肉质鲜美细嫩，各个部位的肉都有明显的纹路，色泽呈鲜红色。

郏县红牛分为一级、二级、三级和特级品种，不同等级的红牛外观形态也不同。特级红牛从外观形态到肉质口感方面都要优于其他等级的郏县红牛，但肉质的脂肪含量以及微量元素含量都相差无几。

1.3 搭建机器视觉检测平台

搭建机器视觉检测平台，离不开郏县红牛的形态学信息。采用郏县红牛的生物体征信息进行平台构建，包括肉眼可见的外观形态和简单测量可知的外部体征，涉及到郏县红牛的皮毛颜色、体长和体重等信息。根据郏县红牛的外观形态和特殊标记进行培育品种选择。郏县红牛的表型形态受到发育阶段和显性和隐性的遗传基因影响，无法客观全面地反映红牛的个体形态特征。一部分品种的红牛，仅通过外观形态无法得到有效信息，由于郏县红牛的外观形态和基因型之间存在着基因表达和个体发育差异等影响因素，郏县红牛的图像匹配以及形态参数更有利于比较。将检测设备的传感器部分用于采集郏县红牛的身份ID、图像信息和体重信息等。将设备的上位机模块用于电子称重仪对牛体的称重处理和运行电机，以便于控制检测设备端口的输入和输出端口。通过运用检测设备的主控制器，进行郏县红牛的各种信息检测和处理，包括结合设备终端的数据中心和远程通讯等部件对采集到的信息进行识别处理、对上位机和下位机的运行驱动。建立检测平台的数据中心，实现对郏县红牛养殖场数据的远程监测和数据查询。在检测过程中，由于郏县红牛图像的复杂程度比较高，针对红牛检测的识别精度和识别速度都提出了新的要求，在图像处理以及信息检测方面都有着出色的表现，应用在郏县红牛形态的分类识别领域更加适合。在检测尺度空间内，使用高速检测器，完成郏县红牛形态检测。当视点不同时，同一头牛会产生不同位置在不同区域产生的图像，通过检测的二维特征判断检测的深度特征。

1.4 设计郏县红牛形态机器视觉检测技术4400

在郏县红牛的检测样本中，在随机选取检测的数据集中设定参数R，作为检测的初始聚类中心，对郏县红牛的数据集设定样本点ai，计算ai到R 的直线距离，确定距离最小的聚类中心，把ai进行归类划分。计算ai所在的类别中心，y 为数据阈值，求取郏县红牛样本数据集的类别中心。经过匹配对应图像、提取郏县红牛参数特征和搭建检测平台等步骤，对郏县红牛形态检测技术进行设计。对郏县红牛的等位基因进行分析，上层等位基因普遍高于下层等位基因，而该类型基因是郏县红牛群体中结构较为稳定的基因，根据这些基因组数据信息测量牛体的长度，并通过计算得出实际数值。以像素为单位计算两个测点之间的距离，把实际距离和牛体部位设置为一定的比例关系，通过二维空间上的两点坐标进行计算，得出两个坐标平行线之间的像素个数为133 个，牛体部位长度为68mm，那么距离D 等于0.5403mm，由此完成郏县红牛形态检测技术设计。

2 实验分析

2.1 实验准备

选取四台相同参数的检测设备，设置检测设备的主界面属性如表1。

表1：检测设备属性参数

分别应用三种传统检测技术与文中检测技术对郏县红牛形态进行检测。

2.2 实验结果

实验结果如表2。

表2：郏县红牛检测技术实验结果

实验结果表明，文中的郏县红牛形态检测技术比传统检测技术的精确度均提高了5.476%～13.599%不等，证明文中检测技术的精确度更高。

3 结束语

本文通过设计出一种新的检测技术对郏县红牛形态进行检测，在一定程度上推动了郏县红牛产业的发展。为学术界开展郏县红牛的相关研究奠定了理论基础，也为检测郏县红牛形态提供了具体可行的方法，同时，还拓宽了检测技术的应用领域。由于研究条件有限，文章在郏县红牛的形态检测方面研究得还不够全面，未来将不断完善。