基于HALCON的机器视觉在畜牧业中的应用研究*

陈 强，武建新，张 涵，邱毅清

（内蒙古工业大学机械学院，内蒙古呼和浩特 010051）

1 概述

目前我国国内对于畜牧业奶牛的智能检测应用基本还停留在奶牛的个体体征检测，对于机器视觉挤奶机的研究与应用尚未成熟，还需人工辅助完成工厂挤奶作业；为了实现全自动挤奶技术，引入机器视觉技术来改善国内现状[1-2]。

机器视觉的应用一般分为五个部分：检测、测量、定位、识别和安防交通。而在畜牧业奶牛的挤奶应用中也将用到这五个部分，在挤奶车间将这五个部分交互使用，充分实现视觉在牛场中的应用[3]。通过HALCON视觉应用技术，运用HDevelop图像处理软件进行检验测试，可知HALCON具有强大的图像处理算子和计算分析能力，能实现机器视觉在牛场中应用的理想效果[4-5]。

图1 机器视觉应用分类

2 机器视觉系统在挤奶车间的应用分析及实施方案

2.1 应用分析

整个设备工作系统由三大主要系统构成：机器视觉识别系统、机器智能控制系统和机械臂驱动操作系统[6]。文章主要研究机器视觉系统的构成与应用，在机器视觉系统中将检测、测量、定位、识别和安防交通五大应用结合使用，充分引入视觉系统提升智能效果。

机器视觉系统通过图像获取装置摄像机将被测目标转换为图像信号，目标即为奶牛；再将图像信号传送到图像处理系统，在图像处理系统中根据像素分布、亮度、颜色和奶牛编号等情况信息，转变为数字信号；由数字信号将奶牛的个体参数测量值输入到数据库，在数据库中调取对应个体奶牛，根据不同奶牛个体的状况进行后续工作[7]。

其中机器视觉系统最基本的特点就是提高生产的灵活性和自动化程度。

2.2 实施方案

经过机器视觉系统的应用分析，可以清楚的了解到挤奶作业流程，视觉系统中图像系统通过对某些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。事实上，机器视觉就是用机器代替人眼来做检测和判断，从而实现智能挤奶作业。

具体应用实施方法见图2，首先将提前设置好编码的奶牛赶制挤奶车间入口，摄像机通过图像采集，图像分析检测到个体奶牛的编号；从数据库调取个体奶牛特征，判断估计是否达到挤奶要求和挤奶次数；当满足同时两者要求，则效仿安防交通的规则，将奶牛送入挤奶工作制定区域以供挤奶，当检测出不满足挤奶要求时（如患病，乳房炎等），则送入牛棚观察室以待观察治疗，当检测出挤奶次数大于3次，则送入牛棚休息室。进入挤奶区域后检测是否满足挤奶量，满足则送入机器智能控制系统和机械臂驱动操作系统环节中，识别、定位进行乳部清洗、套杯、挤奶、脱杯，消毒。最后整个挤奶作业过程结束，送入牛舍。

图2 应用实施过程

3 机器视觉系统中图像处理研究

机器视觉中，在运用HDevelop图像的处理过程中图像的预处理很重要，是研究检验的前提，对于后续检验的结果影响很大，所以图像在处理之前要先了解图像的特性，这样可提高图像处理的精度，提高检测物品的质量。

正如图3所示，图像可根据灰度、色彩、运动、时空分布，形式或产生方法分为5种类别，每一种分类中又可以分为多种图像，有单色、彩色、静态、动态、二维、三维等各种类别，每种不同的图像类别将运用不同的方法进行处理。

图3 图像的分类

图像处理过程中，首先如图4选用摄像机进行图像获取，传入系统软件进行预处理，将图像背景去除、平滑、滤波、去噪等处理，再将图像二值化阈值处理进行分割，提取出ROI特征区域将图像进行提取和匹配，最终实现目标定位。

图4 图像处理流程图

4 HALCON图像处理的实例测试

机器视觉HALCON的图像处理软件HDevel⁃op，由多个图像处理算子和交互式开发工具组成，有强大的计算分析能力，对于牛场中奶牛挤奶的检测、测量、定位、识别和安防交通应用都能得到很好的结果。图像经摄像头端口连接配置，将图像传送到HDevelop图像处理软件中，读写图像后进行三通道色彩去除，如图5中(a)、(b)通过轮廓线和灰度直方图调制阈值，使处理图像易分割色阶，进行下一步运作。

图5 图像的参数调制

将图像进行分割处理，按照Row=1，Column=1，Tolerance=1，Minsize=150参数进行设置，处理为图6所示，又通过ROI区域选定图中三处奶牛乳部，图6中椭圆形区域即为ROI选定区域。设定乳部为ROI_0，设置三种颜色以便区分，将区域连通，设置Region为填充模式。

图6 图像分割，ROI图像

图像检测处理结果如图7所示，三个绿色椭圆即为检测目标，当检测出操作目标则机器视觉控制系统控制驱动系统机械臂去进行清洗、套杯、脱杯和消毒等操作，实现对于乳部的机器视觉识别定位功能。

图7 图像目标识别定位图像

部分代码为：

dev_update_window('off')

read_image(breast，'D:/Desktop/breast.jpg')

get_image_size(breast，Width，Height)

dev_close_window()

dev_open_window(0，0，Width/2，Height/2，'black'，WindowID)

dev_display(breast)

stop()

decompose3 (breast， breast1， breast2，breast3)

rgb1_to_gray(breast，breastbreast1)

regiongrowing(breast1， Regions， 1， 1， 1，150)

gen_ellipse (ROI_0， 401.5， 371.866，rad(-102.541)，55.3198，27.6102)

dev_set_colored(3)

gen_ellipse(TMP_Region， 465.5， 544.034，rad(-103.508)，51.4226，27.0963)

union2(ROI_0，TMP_Region，ROI_0)

gen_ellipse(TMP_Region， 433.5， 726.212，rad(-96.3463)，36.222，22.8328)

union2(ROI_0，TMP_Region，ROI_0)

connection(ROI_0，Single)

select_shape(Single， Selected， 'area'， 'and'，5000，10000)

dev_set_draw('fill')

dev_display(Selected)

disp_continue_message (WindowID，'black'，'true')

stop()

dev_display(breast)

dev_set_color('green')

stop()

5 结语

在科学技术不断升级的今天，对于一些不适合人工作业的危险环境或者人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉来完成作业。同时，在大批量周期性工业生产加工过程中，用机器视觉检测方法可以大大提高生产的效率和自动化程度。为了使各大行业更加智能化，人性化，因此加入机器视觉技术HALCON来提高产业效益，在生产工艺中运用机器视觉系统来检测目标，去提升整个生产工艺的效率。

参考文献：

［1］范祥，卢道华，王佳.机器视觉在工业领域中的研究应用［J］.现代制造工程，2007（6）：129-133.

［2］童季刚，廖菲，罗良传.一种机器视觉的瓶罐缺陷检测系统设计［J］.机电工程技术，2016（8）：28-31.

［3］杨圣虎.挤奶机器人装备结构设计研究［D］.哈尔滨：哈尔滨工程大学，2015.

［4］王海勇.HALCON学习教程（第四版）［Z］.黑土数字图像处理系列教材，2015.

［5］（德） 斯蒂格 （Ulrich）机器视觉算法与应用［M］.北京：清华大学出版社，2008.

［6］ Fabienne Lathuiliere， Jean-Yves Herve.Visual hand posture tracking in a gripper guiding application［C］.Proceedings of the 2000 IEEE International Conference on Robotics&Automation San Francisco， CA， April 2000.

［7］王红君，施楠，赵辉，等.基于视觉定位的牧场奶牛自动跟踪定位系统研究［J］.黑龙江畜牧兽医，2015（11）：43-47，287.