近年来,规模化、标准化养殖已经成为我国奶业生产的主体。随着规模化养殖的不断推进,对奶牛的养殖管理提出了新的要求,必须依靠利用信息技术提升奶牛养殖的科学管理水平。在奶牛养殖中,奶牛发情的及时准确鉴定可以使奶牛适时受孕,提高奶牛的受孕率,缩短产犊间隔,提升奶牛养殖的经济效益。传统奶牛发情检测主要依靠人工观察,费时费力,检出效率低,基于计步器的监测手段单一、准确率较低、奶牛的隐性发情难以监测、传统的机器视觉方法对奶牛发情识别的鲁棒性和适应性较差等问题亟待解决。本文以提高奶牛发情监测的自动化、信息化、智能化水平为目标,对基于物联网和云端的奶牛发情体征监测、奶牛阴道植入式电阻传感器及电阻值的无线远程监测、复杂环境下奶牛视频图像的增强,以及基于机器视觉的奶牛发情行为识别等关键技术展开研究。论文主要工作和结论如下:(1)针对单一计步器监测奶牛发情存在移动性和实时性较差、准确率低及漏检、错检的问题,提出一种基于物联网和云端的奶牛发情体征监测方案。用非接触式温度传感器和三轴加速度计采集奶牛体温和运动量,通过ZigBee网络、RS485总线和Modbus通信协议实现了奶牛发情体征的无线远距离传输,并开发了奶牛发情体征上位机实时监测系统,完成了奶牛体温和运动量的实时监测、存储和历史数据查询。基于HTTP协议实现了奶牛发情体征数据到云服务器平台的上传,设计了云服务器平台和微信公共平台的通信,实现了手机微信客户端对奶牛发情体征的实时远程监测。测试结果表明,体征采集终端温度测量误差在±0.2℃以内,ZigBee网络在奶牛养殖场100m范围内数据丢包率低于2.33%,上位机监控端到云端以及移动平台端数据传输稳定,无丢包现象发生。(2)针对单一运动量预测奶牛发情检出率低,提出了融合体温和活动量的奶牛发情预测模型。通过对奶牛体温和活动量发情体征参数的采集,分析了奶牛发情期和间情期的典型体征特征,提出了以情期显著窗口内的3个时间片单元运动量和体温作为发情判断的特征向量,建立了奶牛发情预测的BP神经网络模型,测试结果表明,建立的奶牛发情预测模型对测试样本检测的准确率为89.47%,误判率为3.70%,能以较高的准确率检测出奶牛的发情。(3)针对活动量和非接触式视频分析方法难以实现奶牛隐性发情监测的问题,根据奶牛发情时阴道粘液生理特征的变化,提出基于奶牛阴道粘液电阻变化的奶牛发情监测方案。创新性设计了由黄铜电阻探头、8爪防滑装置构成的奶牛阴道植入式电阻传感器,实现了奶牛阴道电阻值的准确采集。开发了阴道电阻值ZigBee网络传输系统及上位机实时监测系统,实现了奶牛阴道电阻的精确采集和远程实时监测。试验结果表明,植入式电阻传感器节点可以±2%精度测定1Ω~1kΩ范围的电阻,24h内电阻值最大波动为2Ω,而奶牛发情期与间情期阴道电阻变化在100Ω以上,传感器测量精度较高;在7.4V/6500mAh锂电池能量供应下可连续工作38d,在450m~2奶牛养殖区内,ZigBee网络数据发送成功率在98.5%以上,能够精确、实时监测奶牛阴道电阻值的变化,可实现奶牛发情的及时鉴定。(4)针对基于视频分析的奶牛发情监测由于天气及光线等原因引起奶牛视频图像降质、导致识别率较低的问题,提出一种基于双域分解的复杂环境下奶牛图像增强算法。该算法首先采用双域滤波图像去噪,对输入图像进行低频图像和高频图像分解;其次,根据贝叶斯估计得到不同高频图像的小波阈值,利用改进的Garrote阈值函数进行小波去噪,并结合伽马变换对去噪的高频图像进行矫正,实现对高频图像的滤波和对比度调整;随后,通过暗通道先验算法对低频图像进行去雾,并结合对比度受限自适应直方图均衡化算法对去雾后整体偏暗的低频图像图像进行增强,进一步提高对比度和整体亮度;最后,将处理后的高频和低频图像进行重构,得到最终增强图像。试验结果表明,本文算法能够对复杂环境下奶牛图像有效去噪、增强整体和细节信息、改善图像视觉效果等,为基于机器视觉的奶牛发情行为自动识别提供良好的供试样本,从而实现奶牛发情的24h无接触实时监测。(5)针对现有奶牛发情人工检测费时费力、计步器接触式检测会使奶牛产生应激行为等问题,根据奶牛发情的外部爬跨行为特征,提出一种基于卷积神经网络的奶牛发情行为识别方法,构建了32×32-20c-2s-50c-2s-200c-2的卷积神经网络识别模型。试验结果表明,本文方法对奶牛发情行为识别准确率为98.25%,漏检率为5.80%,误识别率为1.75%,平均单帧图像识别时间为0.257s,可实现奶牛爬跨发情行为的无接触、实时、高精度识别。