奶牛体况评分是以奶牛体脂肪沉积为主要依据,用来衡量奶牛能量代谢状况的一种重要评定方法,它在奶牛饲养管理中得到广泛的应用[1]。传统的奶牛体况评分需要评分专家将触摸判断和视觉评估相结合,根据评分规则和专业经验给出评分结果。这种评分方法不仅对专业人员的依赖性较高、耗时较长,而且存在一定的主观性差异。本文提出两种利用图像处理技术进行奶牛体况自动评分的方法。通过研究奶牛体况评分的规则及标准,提取影响奶牛分数的主要体貌特征,最后利用数字图像处理及模式识别技术对奶牛进行体况自动评分。图像处理是通过计算机对图像进行图像修复、噪声滤除、图像增强、特征提取等处理的技术,它经常应用在军事、气象、医学等领域。模式识别是对客观事物进行剖析,提取可以描述、辨别客观事物的特征的过程,它是人工智能的重要研究领域[2]。图像处理和模式识别技术在人脸识别等领域应用非常广泛,识别率高。目前,研究奶牛体况识别评分的人较少,这个领域的研究处于起步阶段,还没有一个规范统一的实验研究平台,没有标准的奶牛图像库可用,评分结果不够理想。针对奶牛体况评分识别领域的研究不足,本文专注于奶牛体况自动识别评分的研究,创建一个规范标准的奶牛图像库,提出两种适合奶牛体况自动评分的图像识别方法,然后进行识别评分。本文的研究内容主要有以下几点：(1)研读奶牛体况评分的相关标准,分析奶牛体型线性评分的文献论文,仔细分析体况评分和体型线性评分的评定方法、评分关键点。了解奶牛的各个体貌特征占整体分数的比例,并确定自动评分选取的奶牛部位。到奶牛养殖基地参观学习,采集奶牛臀部正后方图片,并记录专业人员对奶牛的体况评分,为以后的试验学习提供材料。(2)查阅人脸识别领域的论文资料,总结学习人脸识别的流程、特征提取算法和特征匹配算法,借鉴人脸识别的成功经验,分析国内外奶牛体况自动评分的现状,提出两种基于图像识别技术的奶牛体况自动评分方法——臀部曲线积分法和核-主成分分析法。(3)试验仿真阶段,选取奶牛表面光滑、特征明显的图片进行预处理。臀部曲线积分法需要将图片背景部分剪除,然后提取臀部特征曲线并进行积分,得到的数值与各等级奶牛的标准数据对比得出相应体况分数。核-主成分分析法需要去除奶牛黑白花的影响,锁定奶牛尾根部区域,利用核-主成分分析提取奶牛体况统计方面的特征,然后与训练样本的特征数据对比得出奶牛体况分数。本文的创新点可以归纳为如下三点：(1)在特征提取过程中,将霍夫变换应用在奶牛尾部区域提取中,对奶牛特征的自动提取有一定的帮助；(2)将核-主成分算法引入到奶牛体况自动评分中,提高了奶牛体况评分的准确率；(3)提出臀部曲线积分法,通过提取奶牛臀部特征曲线并对其进行积分并对比标准数据得出奶牛体况分数(本文称为臀部曲线积分法),这种方法大大降低了评分的计算复杂度,有利于奶牛体况自动评分的推广应用。