中国是世界第一养猪大国,猪肉生产和消费世界第一,猪作为人类食物的重要来源,其健康关系着食品安全、人类健康、环境污染等一系列问题。在生猪养殖过程中,母猪的健康养殖作为关键一环,不仅关系到母猪自身的繁殖率和生产力,还关系到仔猪的出生和健康。对于目前规模化、集约化的生猪养殖方式而言,母猪的养殖一般都采用限位栏,而且对母猪限定每日的饲喂量,相对别的猪种,母猪的福利较差,且哺乳期仔猪的死亡率也较高。传统养殖方式中,母猪分娩时间判断主要依赖饲养员的连续观察,人力负担繁重,工作效率低,较容易出现因疏忽而造成仔猪死亡的状况。因此,实时准确监测母猪分娩状态,及时发现新生仔猪并提供预警,对提升母猪和仔猪的健康和福利养殖水平具有重要意义。随着计算机及机器视觉技术的快速发展,图像处理技术已广泛地应用于禽畜福利养殖领域,由图像信息获取禽畜的成长及健康信息。本文结合母猪养殖生产中的实际需求,设计了一种基于机器视觉技术的母猪分娩监测系统,为母猪分娩阶段的识别与监测提供判断依据。主要从以下几个方面进行了相关研究:(1)研究基于FPGA和CMOS摄像头的母猪分娩图像采集,并在现有猪舍条件的基础上构建图像采集环境,实现对母猪分娩图像的采集。(2)母猪分娩监测系统的设计,包括母猪分娩信息的获取、WEB监测平台的开发和Android管理终端的开发,方便饲养员记录、查询、管理母猪相关信息。(3)研究母猪分娩图像处理的方法,实现对分娩图像的灰度运算,选取Canny算子对图像进行边缘检测,采用Otus算法对图像进行二值变换,应用滑动平均算法和形态学开运算对二值图像滤波消噪,对预处理后的图像做提取最大连通域操作,设计基于团序列检测算法的母猪目标分割提取方法,对分割后区域进行仔猪目标检测识别。试验在南京市浦口区的生猪养殖基地进行,选择八头距离预产期3日左右的长白母猪(4头有明显即将分娩迹象,4头尚无分娩迹象)为试验对象。研究表明:能快速、稳定、全自动地获得母猪分娩图像样本;设计了有效的母猪目标分割和新生仔猪目标判断识别算法;忽略个体差异,试验母猪的分娩总体识别准确率达到约95.5%,识别算法是有效的;监测系统基本满足实际要求,为母猪分娩的自动化识别提供了技术支撑。