機器視覺下的豬行為識別技術(shù)研究

秦陽鴻

摘 要：隨著中國生豬養(yǎng)殖產(chǎn)業(yè)的不斷發(fā)展，生豬養(yǎng)殖過程中的個體行為檢測逐漸由手工記錄轉(zhuǎn)化為信息化監(jiān)管模式。機器視覺是一種較好替代接觸式生豬檢測手段，通過獲取生豬監(jiān)控視頻，使用機器學(xué)習(xí)方法識別生豬行為，可以用于識別和預(yù)防生豬發(fā)生疾病。本文介紹生豬行為機器視覺系統(tǒng)，并分析系統(tǒng)中常用的算法在準(zhǔn)確性和有效性上的問題，并分析系統(tǒng)中的重難點研究方向。

關(guān)鍵詞：機器視覺;豬行為;目標(biāo)提取算法;個體識別算法;行為識別算法

在畜牧養(yǎng)殖業(yè)中，動物行為與動物福利養(yǎng)殖有直接關(guān)系，且動物心理可以從行為識別中得到直接體現(xiàn)。因為動物行為可以觀察，所以為了保障動物健康，避免動物不良行為對畜牧養(yǎng)殖業(yè)的影響，在新時代背景下，各國科研人員開始從動物行為入手，重點研究動物心理感受。由于現(xiàn)階段養(yǎng)殖模式正在向著集約化的方向穩(wěn)步前進，自動化養(yǎng)殖技術(shù)越來越高，智能監(jiān)控也成為養(yǎng)殖系統(tǒng)不可或缺的基礎(chǔ)內(nèi)容，此時運用機器視覺技術(shù)對豬行為進行整合研究，有助于為實踐研究提供更為精準(zhǔn)的依據(jù)。因此，下面對機器視覺下豬行為識別技術(shù)進行研究。

1.豬行為識別視覺系統(tǒng)分析

這一系統(tǒng)主要用來收集豬行為的視頻，并運用視覺處理算法研究視頻中的豬行為，而后輸出識別結(jié)果或分析異常。在二十世紀(jì)八十年代末期，隨著成像系統(tǒng)的提出，促使豬生產(chǎn)水平得到了優(yōu)化，各國科研人員開始運用可見光相機和深度相機視覺傳感器來識別豬行為。具體內(nèi)容分為：其一，可見光相機視覺系統(tǒng)是指運用單目可見光相機得到豬欄俯視圖，以此對豬行為進行跟蹤調(diào)查。同時，也會運用單CCD相機獲取俯視圖，以此識別豬行為。從俯視角度觀察豬行為，可以準(zhǔn)確獲取豬舍位置變化信息，對比側(cè)視角度觀察情況分析，遮擋區(qū)域較多，因此更加符合群體豬行為的檢測工作。一般來講，主要用來檢測生豬的運動、飲食及排泄、攀爬攻擊等行為。其二，深度相機視覺系統(tǒng)。要想更快掌握豬行為及相關(guān)位置信息，科研人員在觀測的同時還要采集有關(guān)信息。例如，Stephen[1]等就運用兩個Kinect獲取俯視角下深度二維圖像，以此對豬目標(biāo)實施跟蹤調(diào)查。

2.研究豬行為識別

2.1運動行為

這類行為識別主要包含：其一，運動檢測。通過觀察豬的運動行為可以正確判斷它的活躍度和健康狀態(tài)。其二，跛足檢測。由于跛足屬于家畜常見病，所以做好這項檢測工作可以有效控制疾病傳播，并在發(fā)現(xiàn)問題后及時處理。常見方法有壓力傳感器、非接觸式跛足檢測法等。其三，目標(biāo)跟蹤。這項檢測包含三點：基于模型的生豬跟蹤、基于特征的生豬跟蹤及基于區(qū)域的生豬跟蹤。由于目標(biāo)丟失是影響跟蹤算法的主要原因，常見為群養(yǎng)豬的多個豬體之間彼此靠近和碰觸導(dǎo)致目標(biāo)間連遮擋。

2.2伏地行為

群聚伏地分布情況直接決定了室內(nèi)環(huán)境參數(shù)對豬體的影響，且影響著豬體的健康與生活狀態(tài)。例如，Shao等[2]運用圖像緊湊性，結(jié)合從前景到背景的像素變化、不變距及占地比等特征，分類檢測了豬的伏地行為。

2.3呼吸行為

豬體在出現(xiàn)疾病后，經(jīng)常給會出現(xiàn)呼吸急促癥狀。通過了解豬只呼吸頻率，能及時掌握出現(xiàn)的疾病類型。同時，也可以為檢測生物基因與動物行為關(guān)系提供依據(jù)。在傳統(tǒng)工作模式中，人工觀察雖然可以滿足部分工作需求，但隨著時間和數(shù)量的增加，不但會消耗大量資源，而且最終結(jié)果具有主觀性。通過引用視覺算法檢測豬只呼吸情況再進行自動化養(yǎng)殖，可以有效緩解養(yǎng)殖人員的壓力。一般來講，在研究豬呼吸行為時，可以從腹部和脊背周期性運動這一特點入手。

3.問題及研究方向

3.1現(xiàn)有識別分析方法的問題

國內(nèi)外科研人員運用機器視覺進行豬行為識別技術(shù)，在實踐發(fā)展中獲取了優(yōu)異成績，但最中國研究成果并沒有得到有效利用，主要原因在于：其一，目標(biāo)提取算法。一方面，有效性。現(xiàn)階段，污垢、光照與陰影多變化等依舊是行為識別需要關(guān)注的重點，常見解決方法會在算法中提高分割次數(shù)，或引入?yún)?shù)變量，這樣勢必會增加算法的復(fù)雜性;另一方面，適用性。目前生豬目標(biāo)提取更適宜與背景色存在較大差異的豬體，這對紋理不同且與背景色類似的豬體而言并不適宜。其二，個體識別算法。一方面，可靠性。在人工識別中，檢測人員會在自主涂刷后進行算法研究，但因為標(biāo)記容易消失，所以實際應(yīng)用性并不高;另一方面，適用性。人工標(biāo)記不符合大型養(yǎng)殖場需求，不僅標(biāo)記步驟過于繁瑣，而且精確性要求極高，因此在實踐操作中很容易消耗大量資源。在新時代背景下，如何結(jié)合自身特點識別個體是現(xiàn)階段養(yǎng)殖業(yè)關(guān)注的焦點。其三，行為識別算法。一方面，有效性。跟蹤持續(xù)時間作為研究跟蹤算法是否有效的主要影響因素，現(xiàn)階段提出的算法難以在長期跟蹤中達到預(yù)期目標(biāo)，因此急需加大對重疊處理、目標(biāo)黏連等問題的研究;另一方面，準(zhǔn)確性。目前有關(guān)豬行為的識別判斷依舊沒有達到實際需求，若是換豬舍很容易在段時間內(nèi)導(dǎo)致算法失效。由此可知，現(xiàn)有行為識別算法依舊處于初期階段。

3.2方向

通過上文研究分析可知，隨著我國養(yǎng)殖業(yè)的飛速發(fā)展，面對越來越高的檢測要求，養(yǎng)殖人員要從以下幾方面入手進行深層研究：其一，優(yōu)化視覺系統(tǒng)。通過構(gòu)建多傳感器視覺系統(tǒng)，可以解決以往數(shù)據(jù)類型單一等問題，促使機器視覺下的豬識別技術(shù)更加有效。同時，也要結(jié)合多種圖像配準(zhǔn)算法，這樣有助于在整合多源圖像的基礎(chǔ)上，更加準(zhǔn)確檢測豬行為。其二，改善算法。通過提出多視角進行識別工作，有助于提高個體識別效率。由于三維多視角識別屬于現(xiàn)階段視覺領(lǐng)域極具挑戰(zhàn)性的問題之一，所以科研人員要在不斷創(chuàng)新中解決相關(guān)問題。同時，還要針對特殊時期提出行為識別，以此滿足養(yǎng)殖人員健康需求。其三，創(chuàng)新行業(yè)。因為機器識別豬行為具有成本低、回報高及不用接觸等優(yōu)勢，所以在發(fā)展畜牧業(yè)自動化背景下，有關(guān)技術(shù)理念得到了行業(yè)的支持與認(rèn)可。若是可以在行業(yè)中普及利用，并構(gòu)建豬視頻標(biāo)準(zhǔn)集具有深遠(yuǎn)意義。

結(jié)束語

綜上所述，為了將豬行為自動分類研究成果運用到實踐發(fā)展中，要求各國在大力推廣光機器視覺及相關(guān)技術(shù)理念的同時，轉(zhuǎn)變養(yǎng)殖人員檢測意識，注重針對具體問題，提出有效的處理措施。這樣不僅能提高養(yǎng)豬業(yè)發(fā)展水平，而且可以保障分類結(jié)果的精準(zhǔn)性，以此為找到更為優(yōu)質(zhì)的養(yǎng)殖模式提供有效依據(jù)。

參考文獻

[1]何永康，侯躍謙.基于多種平面度測量方法機器視覺的優(yōu)勢[J].內(nèi)燃機與配件，2019（21）：211-212.

[2]劉俊.機器視覺下多技術(shù)融合的精細(xì)農(nóng)業(yè)探索[J].電子質(zhì)量，2018（04）：11-14.