張婧婧+李勇偉

摘 要：基于線性回歸理論與機器視覺技術，文中探討了焉耆馬體尺（如體高、體長、胸圍、管圍）的數(shù)據(jù)測量方法。系統(tǒng)的設計借鑒平面數(shù)據(jù)的標定技術；利用數(shù)據(jù)相關性建立多元線性回歸模型；通過Matlab GUI工具實現(xiàn)系統(tǒng)可視化，在動物體尺的測量方面具備理論依據(jù)和參考價值。此外，文中列舉馬體輪廓提取的相關方法，并于本測量方案中排除了輪廓提取的必要性，闡明文中體尺測量方案的基本流程，實現(xiàn)馬體位姿或環(huán)境光照和背景要求嚴格情況下體尺數(shù)據(jù)的測量要求。

關鍵詞：焉耆馬；體尺；線性相關；多元線性回歸方程

中圖分類號：S821.1 文獻標識碼 A DOI 編碼：10.3969/j.issn.1006-6500.2018.01.006

Abstract：Based on linear regression theory and machine vision technology， the data measurement methods of Yanqi horse body ruler （such as body height， body length， chest circumference， pipe circumference） were discussed. We refered to the calibration technique of plane data in the system design； and established data correlation by using multivariate linear regression model； then we implemented system visualization through the Matlab GUI tool， which has theoretical basis and reference value for the measurement of animal body size. In addition， the relevant methods of horse body contour extraction were listed in this paper， and the necessity of contour extraction was eliminated in this measurement scheme. We expounded the basic flow chart of body size measurement， to meet the requirements of horse body posture or environment， illumination and background for the measurement of body size data.

Key words：Yanqi horse； body size； linear correlation； multiple linear regression equation

體尺測量技術是鑒定馬的品種、推進馬的良種化進程中不可或缺的技術。目前，機器視覺的動物體尺測量在國內已經(jīng)取得一定進展[1-8]，借鑒動物體尺的研究成果，依據(jù)新疆馬業(yè)協(xié)會發(fā)布的地方標準，本文以新疆特色畜牧產(chǎn)業(yè)為研究背景，以機器視覺的體尺測量技術為實現(xiàn)手段，研究焉耆馬體尺測量的實現(xiàn)依據(jù)和技術方案。

1 馬體尺的測量標準

根據(jù)新疆馬業(yè)協(xié)會發(fā)布的地方標準，測量馬體尺的基本數(shù)據(jù)包括體高、體長、胸圍、管圍，其測量標準如下。體高：從鬐甲頂點到地面的垂直距離； 體長：從肩端到臀端的直線距離； 胸圍：在肩腳骨后緣垂直繞胸一周的長度； 管圍：左前管部上1/3部的下端最細處，水平繞其一周的長度。

應用CINEMA 4D軟件設計馬體的骨骼，首先建立馬體測量示例如圖1所示。在馬體示例圖像中，馬的體高、體長、胸圍、管圍指標均屬于體尺測量的基礎數(shù)據(jù)，如圖1中A-A線、 B-B線、C-C線、 D-D線所示。

2 馬體尺測量的關鍵技術

2.1 體尺測量指標的引入

基于機器視覺，馬體各項指標的測量值必需與圖像像素點的坐標距離相關，才具備可測性，因此圖像中直觀可測的數(shù)據(jù)為馬的體高和體長。馬體的胸圍和管圍屬于3D指標，如圖1可見，其測量缺乏坐標依據(jù)。基于多元線性回歸理論，本文針對馬體的胸圍和管圍建立了預測模型。

除體高和體長指標外，多元線性回歸方程的模型中，需要引入的另外兩個指標：胸徑和管徑，如圖1中E-E線、F-F線所示（實際坐標與C、D點重合），旨在利用可測性以及與預測指標的相關性，構成胸圍、管圍預測的重要參數(shù)。

2.2 圖像的局部放大及數(shù)據(jù)標定

在馬體圖像中，確立測量指標：體高、體長、胸徑和管徑后，即可在平面圖像中完成相應的數(shù)據(jù)標定。為了提高數(shù)據(jù)標定的精準度，首先進行圖像的光標定位和局部放大，如圖2（a）所示，局部圖像中筆者設定放大倍數(shù)為2倍，通過光標定位、局部放大選定像素點的坐標后，顯示當前坐標值，如圖2（b）所示。

2.3 多元線性回歸分析建立預測模型

2.4 Matlab-Gui的系統(tǒng)實現(xiàn)

在完成數(shù)據(jù)標定和線性預測模型基礎之上，利用Matlab的開發(fā)平臺，筆者初步實現(xiàn)馬體尺測量系統(tǒng)的界面設計，如圖3所示。根據(jù)體尺數(shù)據(jù)的實測與像素點坐標測量的多次匹配，選取大小為220×200像素的圖像與數(shù)據(jù)的實測值最為吻合。此外，在馬體圖像中，本系統(tǒng)支持圖像的局部放大和數(shù)據(jù)標定后的坐標顯示，如圖3所示。設計中，采用Matlab-Gui工具進行系統(tǒng)開發(fā)，其中選擇的主要控件包括：pushbutton、edit、text等。endprint

3 體尺測量方法探討

3.1 圖像二值化及輪廓提取

借鑒以往機器視覺的體尺測量研究成果，為了實現(xiàn)體尺精準測量，文中也嘗試了馬體圖像的二值化處理及輪廓提取[11]。試驗中分別選取了圖像腐蝕、Canny算子、Robinson算子、LapLace算子、Sobel算子進行圖像的輪廓提取?；谙嗤乃阕幽０?，在背景要求嚴格和非嚴格條件下，馬體輪廓提取效果如圖4、圖5所示。

由圖4和圖5的對比可知，獲取馬體體尺數(shù)據(jù)需要在一定環(huán)境光照和背景要求嚴格情況下完成。在本系統(tǒng)的測量方案下，當環(huán)境光照和背景要求不嚴格情況下，無需進行輪廓提取；如圖像輪廓提取的算法與各算子模板不匹配時，進行數(shù)據(jù)標定反而更加困難。

3.2 數(shù)據(jù)相關性分析

馬的體尺測量指標包括：體高、體長、胸圍、管圍、頭長、頭寬、尻寬、尻長、胸寬、胸深、胸廓寬、背高、尻高、頸長和肢長等，文中引入胸徑、管徑指標預測胸圍、管圍，旨在利用數(shù)據(jù)的相關性原則[12]。由回歸理論可知，因變量與自變量的相關程度越高，回歸方程越顯著。

調用Matlab中函數(shù)，以20匹焉耆馬為例，得到體高與體長、體長與胸圍、胸圍與管圍、胸圍與胸徑、管圍與管徑間線性關系的數(shù)據(jù)，如表1所示。

根據(jù)表1不難看出，馬體尺各指標之間兩兩相關，其中胸圍與胸徑、管圍與管徑相關程度更高，說明引入胸徑和管徑預測胸圍和管圍具備系統(tǒng)測量優(yōu)勢。

4 測量流程

如圖6所示，測量時首先將馬體figure圖像加載到系統(tǒng)界面上，當圖像骨骼清晰且輪廓分明時，可省去二值化處理及輪廓提取環(huán)節(jié)，只需完成局部放大和數(shù)據(jù)標定程序即可進入數(shù)據(jù)測量階段。測量得到體高、體長、胸徑和管徑數(shù)據(jù)后，通過多元線性回歸方程預測胸圍和管圍，即初步實現(xiàn)了焉耆馬體尺的測量系統(tǒng)。

5 結 論

本文首先探討獲取馬體曲面形狀下四項體尺指標的數(shù)據(jù)標定方法；其次研究并建立胸圍和管圍數(shù)據(jù)的預測模型；然后在馬體的位姿或環(huán)境光照和背景要求嚴格情況下，完成其體高、體長、胸圍和管圍的測量；最后基于Matlab的開發(fā)平臺，初步實現(xiàn)焉耆馬體尺測量的可視化系統(tǒng)。設計中預測模型的建立依據(jù)線性回歸理論，根據(jù)馬的體高、體長、胸圍和管圍各指標的相關程度，優(yōu)化組合并建立回歸方程，增強方程的顯著性及預測的準確性。

系統(tǒng)的不足之處在于，數(shù)據(jù)的相關性分析及預測模型的建立均取決于少量馬體樣本，由此產(chǎn)生的系統(tǒng)測量誤差（尤其是馬體管圍測量）無法完全控制在5%以內。此外，針對馬體的位姿或環(huán)境光照和背景要求不嚴格情況下的體尺測量，筆者還需深入研究。

參考文獻：

[1]劉同海，滕光輝，付為森，等.基于機器視覺的豬體體尺測點提取算法與應用[J].農(nóng)業(yè)工程學報，2013，29（2）：161-168.

[2]江杰，周麗娜，李剛.基于機器視覺的羊體體尺測量[J].計算機應用，2014，34（3）：846-850， 887.

[3]江杰，岳偉，曹孟珍.基于機器視覺的羊體體尺測量方法研究[J].內蒙古科技大學學報，2015，34（4）：322-327.

[4]劉波，朱偉興，霍冠英.生豬輪廓紅外與光學圖像的融合算法[J].農(nóng)業(yè)工程學報，2013，29（17）：113-120.

[5]趙建敏，趙忠鑫，李琦.基于 Kinect 傳感器的羊體體尺測量方法[J].江蘇農(nóng)業(yè)科學，2015（11）：495-498， 499.

[6]趙建敏，趙忠鑫，李琦.基于Kinect傳感器的羊體體尺測量系統(tǒng)[J].傳感器與微系統(tǒng)，2015，34（9）：100-103.

[7]劉偉，譚鶴群，黃丹，等.白鰱質量與截面積沿體長方向分布模型[J].農(nóng)業(yè)工程學報，2012，28（12）：288-292.

[8]郭浩，王鵬，馬欽，等.基于深度圖像的奶牛體型評定指標獲取技術[J].農(nóng)業(yè)機械學報，2013，44（z1）：273-276， 229.

[9]蔣福坤，劉正春，柴惠文.多維隨機變量的線性相關性[J].數(shù)理統(tǒng)計與管理，2008，27（1）：96-99.

[10]戴金輝，袁靖.單因素方差分析與多元線性回歸分析檢驗方法的比較[J].統(tǒng)計與決策，2016（9）：23-26.

[11]江笑嬋，萬振凱，陳利.基于matlab邊緣提取的幾種方法的比較[J].電腦知識與技術：學術交流，2006，2（1）：138， 141.

[12]虞曉胤，楊小虎.功能性回歸測試工具分析[J].計算機應用與軟件，2007，24（5）：175-177.endprint