猪肉品质是国民食品健康的重要衡量指标。现阶段提高猪肉品质的同时关注猪福利健康是养猪业的焦点。监测猪运动信息可以用来评价猪福利,为提升饲养管理水平、间接提高猪肉品质提供帮助。猪运动信息与猪行为习性、行为异常密切相关,并能够为疾病防控提供重要参考。当前监测手段主要依赖于人工,难以实现全天候、多角度、精细化的监测,因此用自动智能化设备对猪运动进行监测具有重要的科学意义和良好的应用前景。本文主要研究了无线传感器定位网络(Wireless Sensor Position Network,WSPN)的搭建和基于机器视觉技术实现猪运动信息(轨迹、速度、里程、能耗、行为识别等)获取的方法,并分析和识别猪运动状况。WSPN基于Contiki操作系统实现RSSI值(无线信号传播损耗)的获取,通过多边RSSI值计算可实现猪体定位。通过机器视觉技术实现猪栏俯视图像抓拍,背景分割提取猪体质心作为运动轨迹定位点,并结合图像采样时间序列生成运动轨迹进而计算猪运动信息。分析猪在白天时间内运动速度、里程、能耗,并基于运动信息对猪的躺卧、进食、饮水、排泄、走动行为进行识别。结果证明基于机器视觉的行为识别方法与人工识别结果吻合程度较高。根据以上研究内容,结果如下:1)WSPN基于Contiki OS通信平台构建由耳标系统、固定锚节点、网关路由组成的局域通信网络。耳标通信采用UDP通信协议的广播通信。RSSI值采集上位机是由C#编写的Windows界面,具有数据实时显示和SQL数据库存储功能。2)实现了耳标与网关间的路由转发功能,耳标与网关通信RSSI值的采集以及局域网组网通信。耳标低功耗设计将续航提升至30天左右。对耳标定位系统进行猪场试验。猪体试验发现,当猪静止时耳标接收距离节点2.5m以内无丢包,当距离增大后丢包率逐渐增加并且信号连接质量指数逐渐下降。当距离达到6m左右时丢包率可达69.35%,LQI连接质量指数为87.3225。由于猪场环境复杂,无线通信多径效应严重,猪体快速移动时会导致丢包率增加、RSSI数值跳变不稳定。3)搭建了基于USB数据传输的摄像头俯视图像采集平台,设计了基于MATLAB GUI开发平台开发的图像采集上位机。猪场试验采集猪五日图像数据,采样率为1帧/s,共计理论采集217,760帧,实际采样213,379帧,丢帧率2.012%。4)设计了基于颜色阈值分时分区域自适应的背景分割算法,较高精度实现了猪体二值化分割。背景分割正确率分别为99.96%、100%、99.54%、99.84%、99.76%,平均日分割正确率为99.5%。部分分割错误主要是猪栏食槽干扰、饲养员进入猪栏及猪栏地面反光强烈。5)背景分割获取的猪体质心结合时间序列形成了运动轨迹,以此计算运动速度、里程、能耗等运动信息。五日猪运动平均速度分别为0.0166m/s、0.0145m/s、0.0218m/s、0.0219m/s、0.019m/s;日运动里程分别为697.2165m、615.3795m、923.2795m、932.4832m、778.8665m,平均日运动里程为789.4450m;日消耗量分别为813.2688KJ、626.5674、1438.11KJ、1157.486KJ、843.3268KJ,平均日消耗量为975.75KJ。6)设计了基于区域性行为划分和速度阈值判定行为的识别算法。根据料槽、饮水器及行为习性划分行为发生区域包括进食区、饮水区、排泄区、躺卧区。在区域划分基础上,根据速度阈值判定是否为进食、饮水、排泄、躺卧及走动。通过该算法与人工统计对比,结果证明该算法识别结果在行为发生时间和发生地点上与人工统计重合度较高,其中走动行为存在一定误差。猪场试验证明,WSPN受猪场环境和猪体移动影响较大。机器视觉可较为精准地实现轨迹定位,有效地获取猪运动信息,能够满足长时间、大数据量的运动信息计算。因此机器视觉获取猪运动信息能够为精细化、自动化养殖提供新思路。