کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6539211 1421096 2018 5 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Model-based detection of pigs in images under sub-optimal conditions
ترجمه فارسی عنوان
تشخیص مبتنی بر مدل خوک در تصاویر زیر شرایط زیر مطلوب است
کلمات کلیدی
رفتار خوک ها، تشخیص خودکار خوک، نظارت بر مسکن حیوانات، اپیلاسیون مناسب، بهینه سازی تصادفی جعبه سیاه،
ترجمه چکیده
تشخیص خودکار خوک ها در تصاویر دوربین از داخل انبار کمک می کند تا دانشمندان و کشاورزان برای تشخیص رفتار غیر طبیعی یا شرایط مسکن مشکل و بررسی علل. روش تعیین شده برای تعیین موقعیت خوک ها، تقسیم بندی باینری تصویر و مدل سازی پس از حیوانات فردی است. بسیاری از مطالعات بر پایه مدل های بیضوی مبتنی هستند زیرا آنها به اندازه کافی موقعیت خوک ها را با چند پارامتر تولید می کنند. با این حال، روش های موجود برای انطباق بیضوی نیاز به تقسیم تقریبا کامل، به عنوان آنها را به تعریف واضح حیوانات فرد بستگی دارد. گرچه حیوانات معمولا از نظر پس زمینه متمایز هستند، تقسیم یکنواخت همیشه امکان پذیر نیست. با توجه به انسداد، خاک یا سایه در انبار، تقسیم بندی ناقص یا معیوب می تواند حتی با تکنیک های تقسیم بندی پیشرفته رخ دهد. بنابراین این مقاله روش جدیدی را برای تطبیق بیضی ها معرفی می کند که براساس لبه های تقسیم بندی نیست، بلکه به همه پیکسل های بخش تقسیم می شود. این باعث می شود که جبران خطاهای جزئی در تقسیم بندی آسان تر شود و به پردازش تصاویر حتی در شرایط زیر مطلوب، مانند روشنایی ضعیف یا موقعیت دوربین نامطلوب کمک می کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
The automatic detection of pigs in camera images from within the barn helps scientists and farmers to detect abnormal behaviour or problematic housing conditions and to investigate the causes. An established method for determining the position of pigs is the binary segmentation of the image and the subsequent modeling of the individual animals. Many studies are based on elliptical models because they sufficiently reproduce the positions of the pigs with a few parameters. However, the existing methods for adapting the ellipses require an almost perfect segmentation as they depend on the clear delimitation of individual animals. Although the animals are usually visually distinct from the background, a uniform segmentation is not always feasible. Due to occlusions, dirt or shadows in the barn, incomplete or faulty segmentation can occur even with advanced segmentation techniques. So this paper introduces a novel method for adapting the ellipses, which is not based on the edges of the segmentation but looks at all segmented pixels. This makes it easier to compensate minor errors in segmentation and helps to process images even under sub-optimal conditions, such as poor lighting or unfavourable camera positioning.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers and Electronics in Agriculture - Volume 152, September 2018, Pages 59-63
نویسندگان
, , ,