随着人民生活水平的提高,养猪业在农业生产和国民经济中的地位显得越来越重要,自动化和产业化是养猪业的必然趋势。传统的猪异常呼吸行为分析方法采用人为的观察和记录,不仅耗时费力,而且判断结果具有主观性和不完整性。　　 本研究以猪为实验对象,将机器视觉技术和模式识别技术相结合,重点研究目标检测、目标特征信息提取与精密测量等关键技术,实现对猪的呼吸异常行为进行智能识别。机器视觉技术具有无接触检测、无时间限制、高分辨率和速度快等优点。本系统由硬件和软件两部分组成,根据研究性质和要求,综合所需器件性能价格比的基础上,构建了机器视觉硬件系统；从理论的角度阐述了包括图像预处理、特征提取与精密测量等一整套算法,重点研究了猪呼吸的特征建模和精密测量,以Visual C++6.0作为工具开发了基于机器视觉的猪异常呼吸行为的计算机自动监测软件。借鉴猪呼吸行为统计的人工经验知识,并结合猪呼吸在物理上和生理上的特点,设计了一种适合于本研究实际应用的描述性猪呼吸行为模型框架,对猪的呼吸行为进行建模。由呼吸引起的腹部运动是一种周期性运动,而且运动细节随呼吸的变化而变化,通过图像跟踪猪腹部的运动就可以得出呼吸运动的模型,呼吸性状的测量可转变为对猪腹部肩部侧端点与腰角端点间曲线随时间波动的测量。在图像测量部分,传统的像素级边缘检测方法精度不高,采用改进算法提取亚像素边缘；然后,通过最小距离搜索法分离出待测目标的边缘点并生成排序链码,克服了边缘点是浮点型且不连续的困难,给特征参数的计算提供了有效的数据；最后,利用欧氏距离公式计算目标的长度。实验表明,本文提出的机器视觉检测猪异常呼吸的方法是有效的,本方法可以避免传统目测方法可能导致的猪的应激反应给生产带来的损失,减少人力物力,从而降低养猪生产成本,并且有利于对猪生长过程进行监测和研究,为猪的现代化饲养管理提供了一种有效的监测手段。