計算機視覺技術在家禽養殖領域中的應用

曹鵬 程劉亞 楊業豐 郭俊先

摘 要：近年來，計算機視覺技術得到廣泛的發展，且已大規模的應用于和擴展到家禽養殖產業中。該文介紹了計算機視覺系統的組成，概述了國內外計算機視覺技術在家禽養殖領域應用現狀，并對計算機視覺技術應用于家禽養殖中存在的問題及發展前景做了概括。

關鍵詞：計算機視覺技術；家禽養殖

計算機視覺系統具有類似人的視覺成像及分析判別系統，其核心思想是用感光元件（CCD或CMOS器件）模擬人眼的視覺感官，采集物體的數字圖像，通過各種圖像圖形算法實現識別目標的任務。

相對于人而言，計算機視覺技術有以下幾個優勢：客觀性更強、運算速度更快、處理的信息量更大、能夠連續長時間工作、準確度更高、穩定性好等。

計算機視覺的主要研究內容是從三維立體場景映射到二維平面圖像中，并提取出對圖像分類貢獻率最高的信息：例如屋內移動機器人前方的障礙物，目標的顏色，目標的輪廓，目標的位置等[ 1 ]。

計算機視覺技術是一個跨學科的領域，目前已廣泛應用于農業與畜牧業等很多領域。

1 計算機視覺技術簡介

計算機視覺技術又稱機器視覺，起源于20世紀50年代[ 2 ]，至今已有60多年的發展歷程。

如圖1所示，計算機視覺系統主要由光源、相機、圖像采集卡和計算機等組成。

相機對雞只的行為特征進行即時采集，獲取其視頻流；圖像采集卡將相機采集的視頻流通過光電信號轉換，得到可以用于計算機進行分析處理的數字信號，為后期圖像處理做準備。

光照系統為相機提供穩定的光照環境，保證獲取目標物的圖像清晰。

2 計算機視覺技術在家禽養殖中的應用

2.1 家禽行為識別與分類

家禽行為是最容易觀察到的家禽應對環境變化的反應，對于家禽家畜等動物來說，當它們的機體出現不適時，它們無法直接向人類描述，只有出現比較嚴重癥狀、甚至是死亡時才會被人們發現。不過這個過程中它們的一些行為變化信息已經反映出這種狀態。利用圖像處理技術自動識別動物行為方式具有不打擾動物、實時、連續、客觀的優勢，應用前景非常廣闊。

Aydin等[ 3 ]及Kristesen[ 4 ]等利用圖像處理技術展開了針對雞群群體活動水平及單只畜禽走路姿態的研究。Leroy等[ 5-7 ]通過對蛋雞輪廓橢圓擬合的點分布模型，研究了單只雞的站、走和抓饒等行為監測。Aydin等[ 3 ]利用橢圓擬合的技術，通過視頻監測被限制在不用高度籠子中的火雞在運輸途中的行為，來評估運輸過程中的火雞福利狀態。

2.2 家禽體重預測

體重是家禽生長過程中重要指標參數，它能體現家禽的增長信息、一致性以及飼料轉化率。同時，能夠根據家禽群體性的平均體重來預測群發性疾病的發生，以挽救企業的經濟損失[ 8 ]。養殖戶可以根據家禽的重量，對比其生長周期的生長曲線，來預測家禽的出籠和屠宰時間。

傳統的家禽體重檢測方法是從雞籠中隨機挑選出幾個代表性雞只進行稱重，并求平均值來預估整個籠子中雞只的生長信息，這種做法不僅耗時耗力，還不能及時了解家禽生長。利用計算機視覺技術預測家禽體重，有效克服了以上缺點。Mollah等[ 9 ]開發了一種新的圖像處理算法，提出利用計算機視覺技術對家禽體重進行預估的可行性。Paulo G等[ 10 ]的研究中利用圖像處理技術，使用圖像面積估計肉雞體重。L. De Wet等[ 11 ]利用圖像處理技術，分析了肉雞每日體重的變化情況。

2.3 禽蛋產品檢測

計算機視覺技術可以檢測禽蛋外觀、新鮮度、蛋殼裂紋等品質。國內外許多學者開展了大量研究，目前已在實際生產中得到很好的應用。Garcia等[ 12 ]通過對雞蛋的紅、綠、藍（RGB）三個顏色的單通道圖像進行形態學提取操作，實現了對雞蛋的形狀和表面缺陷進行檢測與分類。饒秀勤等[ 13 ]采用HIS顏色空間的H、S、V三灰度圖像，對其進行閾值分割并確定H分量分割效果最佳，建立禽蛋重量在線檢測模型，檢測誤差精度到3g。王巧華等[ 14 ]以雞蛋內部顏色信息（H、I、S）與雞蛋新鮮度為特征，建立BP神經網絡模型，模型識別率為90.8%。

3 存在的問題

隨著計算機視覺技術快速發展和普及，在家禽養殖領域方面的應用將會越來越廣泛。但在養殖產業應用中，由于各種原因，存在以下幾個問題：

1）家禽養殖業環境復雜，對計算機視覺技術的應用要求高。一般的養殖場環境濕度較大，空氣灰塵較多，容易損壞計算機視覺系統的儀器設備，影響儀器的壽命和測量精度。

2）計算機視覺技術應用單一，成套技術設備少。雖然國內外學者在家禽行為監測、禽蛋檢測和加工方面都做了大量研究，可是這些研究通常都僅適用于一些狹隘的目標，目前還無法廣泛應用到不同場合當中。

3）檢測精度有待提高。計算機視覺技術在家禽養殖業中應用研究已有幾十年的時間，但目前只有禽蛋品質檢測應用最為廣泛，家禽的行為監測和重量預估的準確率較低。其中重量預估中，雞只身體姿態變化對估計結果會有較大的影響，目前的研究中都是將雞放置在預先設計好的光照箱中拍照，以獲得較好的結果。而且不同品種雞的體重與圖像面積模型的通用性沒有經過檢驗，離實際生產養殖還有一定的距離，其硬件條件和軟件編制技術都急需提高。

4 計算機視覺技術在家禽養殖中的應用前景與展望

隨著家禽業的集約化、工廠化、現代化和產業化的發展，越來越多的人開始關注養殖行業的安全和可持續發展。養殖領域也需要與時即進，與自動化、高精度的控制與檢測技術相結合。計算機視覺技術將會更多地應用到家禽領域中，其發展方向主要包括以下幾個方面：

1）利用計算機視覺技術采集家禽行為數據，建立家禽行為數據庫，通過對家禽行為在線實時監測，即時與數據庫進行對比，養殖者可以需要隨時監測到家禽的身體狀況，給予最早、最及時的有效管理和疾病預防。

2）利用計算機視覺技術建立禽類產品分級自動化生產線，提高生產效率，增加企業競爭力。

參考文獻：

[1] 陳炳權，劉宏立，孟凡斌.數字圖像處理技術的現狀及其發展方向[J].吉首大學學報（自然科學版），2009（01）.

[2] Rosenfeld A.Computer Vision-Past，Present and Future.Information Science，1991 57-58：241-243.

[3] Aydin A.，O. Cangar，S. ErenOzcan， C. Bahr， D. Berckmans.Application of a fullyautomatic analysis tool to assess the activity of broiler chickens with different gait scores[J].Computers and Electronics in Agriculture，2010，73： 194-199.

[4] KristensenH H，Cornou C.Automatic detection of deviations in activity levels in groups of broilerchickens-A pilot study.Biosystems Engineering，2011，109（4）：369-376.

[5] Leroy T.，E.Vranken， E. Struelens， B.Sonck， D.Berckmans.Pp 685-693 in the SeventhInternational Livestock Environment Symposium（18-20 May 2005，Beijing， China），T.Brown-Brandl and R. Maghirang.18 May 2005.ASAE Pub #701P0205.

[6] Leroy T，Vranken E，Van Brecht A， et al.A computer vision method for on-line behavioralquantification of individually caged poultry.Transactions of the ASABE，2006，49（3）：795-802.

[7] Leroy T，Vranken E，Struelens E，et al.Computer vision based recognition of behavior phenotypes oflaying hens. The 2005 ASAE Annual International Meeting.Tampa，Florida，2005：paper no 054002.

[8] Lott， B.D.，Reece，F.N.，McNaughton，J.L.，1982.An automated weighing system foruse in poultry research.Poultry Science 61，

236-238.

[9] Mollah M B R， Hasan M A， Salam M A， et al.Digital image analysis to estimate the live weight ofbroiler.Computers and Electronics in Agriculture，2010，72（1）：48-52.

[10] Paulo G. de Abreu， Valéria M. N. et al. Medidasmorfológicasemfun？觭？觔o do peso e da idadeda ave，pormeio de imagens[J].EngenhariaAgrícola e Ambiental，2012，16（7）：795-801.

[11] L.De Wet， E.Vranken， A.Chedad.et al. Computer-assisted image analysis to quantify dailygrowth rates of broiler chickens[J].British Poultry Science，2003，44（4）：524-532.

[12] Garcia， Ribeiro， Guinea D，et al.Eggshell defects detection based on color processing[C].Electronic Imaging.International Society for Optics and Photonics，2000：280-287.

[13] 饒秀勤，岑益科，應義斌.基于外形幾何特征的雞蛋重量檢測模型[J].中國家禽，2008（5）：18-20.

[14] 王巧華， 熊利榮，丁幼春等.雞蛋新鮮度神經網絡檢測系統的研究[J].華中農業大學學報，2005，24（6）：630-632.