基于計(jì)算機(jī)視覺的奶牛生理參數(shù)監(jiān)測與疾病診斷研究進(jìn)展及挑戰(zhàn)

摘要：利用先進(jìn)的信息技術(shù)推動(dòng)智能養(yǎng)殖業(yè)發(fā)展已經(jīng)成為奶牛養(yǎng)殖研究領(lǐng)域的重要目標(biāo)和任務(wù)。計(jì)算機(jī)視覺技術(shù)具有非接觸、免應(yīng)激、低成本及高通量等優(yōu)點(diǎn)，在畜牧生產(chǎn)中應(yīng)用前景廣闊。本文在闡述了計(jì)算機(jī)視覺技術(shù)在智能化養(yǎng)殖業(yè)發(fā)展中重要性的基礎(chǔ)上，首先介紹了基于計(jì)算機(jī)視覺的奶牛生理參數(shù)監(jiān)測進(jìn)展，包括體尺、體溫、體重的前沿監(jiān)測設(shè)備、技術(shù)和模型參數(shù)。然后闡述了奶牛跛行及乳腺炎等疾病診斷的前沿技術(shù)發(fā)展過程和研究現(xiàn)狀。目前，相關(guān)技術(shù)研究和應(yīng)用推廣存在檢測準(zhǔn)確性不高，受環(huán)境因素影響較大，非標(biāo)準(zhǔn)化養(yǎng)殖場結(jié)構(gòu)制約檢測系統(tǒng)普及，以及檢測系統(tǒng)成本較高等問題和挑戰(zhàn)。最后，本文結(jié)合中國養(yǎng)殖業(yè)發(fā)展現(xiàn)狀，針對(duì)保證檢測準(zhǔn)確性、減少環(huán)境干擾等問題，就如何提高計(jì)算機(jī)視覺技術(shù)在智能化養(yǎng)殖業(yè)中的準(zhǔn)確性和普適性提出了相關(guān)建議，旨在為中國奶牛養(yǎng)殖業(yè)的科學(xué)管理和現(xiàn)代化生產(chǎn)提供新方法和新思路。關(guān)鍵詞：奶牛養(yǎng)殖;計(jì)算機(jī)視覺;生理參數(shù)監(jiān)測;疾病診斷;精細(xì)畜牧業(yè);智能養(yǎng)殖

中圖分類號(hào)：S-1;S8-01"""""" 文獻(xiàn)標(biāo)志碼：A"""""""" 文章編號(hào)：SA202204005

引用格式：康熙， 劉剛， 初夢苑， 李前， 王彥超.基于計(jì)算機(jī)視覺的奶牛生理參數(shù)監(jiān)測與疾病診斷研究進(jìn)展及挑戰(zhàn)[J].智慧農(nóng)業(yè)（中英文）， 2022， 4（2）：1-18.

KANG Xi， LIU Gang， CHU Mengyuan， LI Qian， WANG Yanchao. Advances and challenges in physiological param ‐ eters monitoring and diseases diagnosing of dairy cows based on computer vision[J]. Smart Agriculture， 2022， 4（2）：1-18.（in Chinese with English abstract）

1引言

牛奶是健康中國、強(qiáng)壯國人的重要食物，奶業(yè)的振興關(guān)系到了農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革的全局[1]。隨著經(jīng)濟(jì)的發(fā)展和國家的大力扶持，奶業(yè)的規(guī)模不斷提高，中國居民人均奶類消費(fèi)量逐年上升，已成為了牛奶生產(chǎn)和奶制品消費(fèi)的大國[2]。奶牛的健康是牛奶產(chǎn)量和質(zhì)量的基礎(chǔ)和保障，近些年來受到了國家的極大重視。在“十三五”期間，奶牛健康養(yǎng)殖項(xiàng)目被劃入農(nóng)牧行業(yè)的優(yōu)先發(fā)展方向，奶業(yè)振興取得了顯著成效：2020年，全國奶類產(chǎn)量3530萬噸，百頭以上奶牛規(guī)模養(yǎng)殖比重達(dá)67.2%，分別比2015年提高了7%和18.9%。奶牛年均單產(chǎn)達(dá)到8.3噸，比2015年提高了2.3噸[3]。2021年，中國奶牛單產(chǎn)達(dá)到8.6噸，比2020年提高3.6%[4]。然而，中國的牛奶產(chǎn)業(yè)仍然存在整體競爭力不足、受進(jìn)口沖擊嚴(yán)重等問題[3]。因此，《中華人民共和國國民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》（簡稱“十四五”規(guī)劃）制定了提高全國奶類產(chǎn)量、增大養(yǎng)殖規(guī)模以及提升養(yǎng)殖場現(xiàn)代化設(shè)施裝備建設(shè)水平的發(fā)展目標(biāo)[5]，旨在促進(jìn)中國奶業(yè)發(fā)展，提升中國奶產(chǎn)品的質(zhì)量和競爭力。

隨著新一代信息技術(shù)應(yīng)用在奶牛養(yǎng)殖過程中，多種先進(jìn)技術(shù)取代了人工操作，提高了工作效率、降低了人工成本。發(fā)達(dá)國家的信息化水平較高，養(yǎng)殖業(yè)中的環(huán)境監(jiān)控、個(gè)體識(shí)別、精準(zhǔn)飼喂及數(shù)字化管理等技術(shù)發(fā)展迅速。早在二十世紀(jì)八十年代，以色列、美國等農(nóng)業(yè)大國已經(jīng)將奶牛智能化養(yǎng)殖技術(shù)投入到了畜牧生產(chǎn)應(yīng)用中。以色列阿菲金公司研發(fā)了全球第一套計(jì)算機(jī)牧場管理軟件——阿菲牧（ AfiFarm ），將牧場數(shù)據(jù)信息收集、整理和奶牛養(yǎng)殖技術(shù)融合[6]。中國相關(guān)研究起步較晚，裝備智能化程度不高，但無人化設(shè)施養(yǎng)殖發(fā)展勢頭強(qiáng)勁[7]。近年來，中國奶牛養(yǎng)殖業(yè)結(jié)構(gòu)從農(nóng)戶散養(yǎng)化逐漸向著集成化、自動(dòng)化、規(guī)模化和現(xiàn)代化的方向發(fā)展[8， 9]，處于傳統(tǒng)養(yǎng)殖向智能養(yǎng)殖的過渡階段，存在專用傳感器落后、決策算法準(zhǔn)確度低以及缺乏智能化精準(zhǔn)作業(yè)裝備的問題[10]。因此，利用先進(jìn)的信息技術(shù)實(shí)現(xiàn)智能養(yǎng)殖建設(shè)，進(jìn)而保障奶牛身體健康、提高奶牛生活福利和養(yǎng)殖場經(jīng)濟(jì)效益已經(jīng)成為奶牛養(yǎng)殖研究領(lǐng)域的重要目標(biāo)和任務(wù)。

計(jì)算機(jī)視覺技術(shù)具有非接觸、免應(yīng)激、低成本及高通量等優(yōu)點(diǎn)，在畜牧生產(chǎn)中應(yīng)用前景廣闊[8， 11]。該技術(shù)可以通過相機(jī)模擬工作人員觀察視角，結(jié)合人工智能技術(shù)模擬人類思維，代替養(yǎng)殖場工作人員完成一系列工作，節(jié)約人力成本。并且由于計(jì)算機(jī)視覺系統(tǒng)工作時(shí)間長、穩(wěn)定性高，可以很大程度地提高工作效率與數(shù)據(jù)利用率。此外，一些新型相機(jī)可以獲取目標(biāo)的深度信息和溫度信息，以非接觸的方式實(shí)現(xiàn)奶牛體尺、溫度等生理信息獲取，高效無接觸地實(shí)現(xiàn)奶牛部分生理參數(shù)的監(jiān)測和疾病的診斷。因此，計(jì)算機(jī)視覺技術(shù)應(yīng)用于奶牛養(yǎng)殖業(yè)，可以避免奶牛應(yīng)激，節(jié)約人力物力并且提高工作效率，是智能養(yǎng)殖業(yè)發(fā)展中的重要技術(shù)手段。

為進(jìn)一步明確當(dāng)前基于計(jì)算機(jī)視覺技術(shù)針對(duì)奶牛生理參數(shù)監(jiān)測與疾病診斷的研究進(jìn)展以及面臨的問題和挑戰(zhàn)。本文在闡述了計(jì)算機(jī)視覺技術(shù)在智能化養(yǎng)殖業(yè)發(fā)展中重要性的基礎(chǔ)上，介紹了基于計(jì)算機(jī)視覺的奶牛生理參數(shù)和疾病診斷的前沿技術(shù)，探討了相關(guān)技術(shù)研究和應(yīng)用推廣所面臨的問題和挑戰(zhàn)，并結(jié)合中國養(yǎng)殖業(yè)發(fā)展現(xiàn)狀，就如何提高計(jì)算機(jī)視覺技術(shù)在智能化養(yǎng)殖業(yè)中的普適性提出了相關(guān)建議，旨在為中國奶牛養(yǎng)殖業(yè)的科學(xué)管理和現(xiàn)代化生產(chǎn)提供新方法和新思路，為中國智能養(yǎng)殖業(yè)和農(nóng)業(yè)現(xiàn)代化發(fā)展提供理論參考和技術(shù)支撐。

2奶牛生理參數(shù)監(jiān)測

奶牛生理參數(shù)主要包括體尺、體溫、呼吸頻率和血液生化指標(biāo)等，奶牛生理參數(shù)的監(jiān)測對(duì)于保障奶牛的生產(chǎn)性能、健康狀況和經(jīng)濟(jì)價(jià)值具有十分重要的意義[12]。其中，基于計(jì)算機(jī)視覺技術(shù)的奶牛體溫和體尺參數(shù)監(jiān)測已被廣泛研究，通過無應(yīng)激的手段實(shí)時(shí)監(jiān)測奶牛生理參數(shù)，可為養(yǎng)殖場人員及時(shí)提供奶牛生理指標(biāo)，以確保奶牛的養(yǎng)殖安全和生活福利。奶牛生理參數(shù)監(jiān)測技術(shù)示意圖如圖1所示。本節(jié)介紹奶牛體尺、體溫和體重三方面的監(jiān)測研究進(jìn)展。

2.1奶牛體尺監(jiān)測

奶牛的體尺參數(shù)不僅為畜牧專家選種育種提供參考依據(jù)，還是養(yǎng)殖場評(píng)估奶牛個(gè)體或群體生產(chǎn)性能的重要標(biāo)準(zhǔn)[13]。長期以來，奶牛體尺通常采用測杖、卷尺和皮尺等工具進(jìn)行手工測量，該方式易受人為主觀因素影響，且有損動(dòng)物福利。隨著養(yǎng)殖場向著規(guī)模化發(fā)展，人工測量不僅更加費(fèi)時(shí)費(fèi)力，而且數(shù)據(jù)管理較為困難[14]。

計(jì)算機(jī)視覺技術(shù)可以實(shí)現(xiàn)奶牛體尺的無接觸、無應(yīng)激測量[15]。研究者借助可見光相機(jī)、深度相機(jī)等設(shè)備獲取奶牛圖像數(shù)據(jù)后，通過圖像預(yù)處理、計(jì)算、預(yù)測與度量等操作，實(shí)現(xiàn)奶牛體尺參數(shù)的自動(dòng)化測量，并取得了豐碩的研究成果。

奶牛體尺自動(dòng)測量技術(shù)在研究初期多是基于二維圖像展開的，研究人員利用可見光相機(jī)、熱紅外相機(jī)或深度相機(jī)獲取奶牛二維圖像數(shù)據(jù)并進(jìn)行處理分析[16]。但熱紅外相機(jī)成本普遍較高，并且熱紅外圖像分辨率和對(duì)比度偏低，不利于奶牛體尺測量技術(shù)的應(yīng)用和推廣。后續(xù)有研究借助可見光相機(jī)采集奶牛彩色圖像，但彩色圖像中的奶牛目標(biāo)易受養(yǎng)殖場復(fù)雜環(huán)境影響，分割效果較為粗糙。深度相機(jī)的工作原理通常是根據(jù)相機(jī)與物體之間的距離進(jìn)行成像，所以目標(biāo)分割難度較小，分割效果更加清晰。因此，后續(xù)研究多采用深度相機(jī)進(jìn)行數(shù)據(jù)采集。表1總結(jié)了當(dāng)前較為典型的基于計(jì)算機(jī)視覺的奶牛體尺檢測研究成果。

早期研究多利用傳統(tǒng)的數(shù)字圖像處理方法定位奶牛體尺測點(diǎn)，估測奶牛體尺參數(shù)[20]，但該方法易受環(huán)境等外界因素影響，導(dǎo)致奶牛體尺估測精度較低。隨著人工智能技術(shù)的快速發(fā)展，深度學(xué)習(xí)技術(shù)應(yīng)用于奶牛體尺測點(diǎn)定位研究，顯著地提高了檢測精度[26]。深度學(xué)習(xí)技術(shù)可以篩選質(zhì)量較好的圖像，用于定位體尺測點(diǎn)，在奶牛形態(tài)測量評(píng)估中具有較大的應(yīng)用潛力[25]。基于二維圖像的奶牛體尺測量研究處理算法較為簡單，且計(jì)算速度快，基本滿足奶牛體尺實(shí)時(shí)測量的要求。但對(duì)于奶牛胸圍、腹圍、管圍等體尺圍度的測量，則表現(xiàn)出一定的局限性。

隨著三維重建技術(shù)的不斷發(fā)展以及消費(fèi)級(jí)深度相機(jī)的普及應(yīng)用，研究人員將三維點(diǎn)云處理技術(shù)應(yīng)用于奶牛體尺自動(dòng)測量領(lǐng)域，并且驗(yàn)證了三維點(diǎn)云處理技術(shù)在奶牛體尺參數(shù)自動(dòng)測量方面的可行性[18， 27]。有研究采用 Kinect 、Xtion 等消費(fèi)級(jí)深度相機(jī)采集奶牛深度圖像，并將深度圖像轉(zhuǎn)換為三維點(diǎn)云，通過三維點(diǎn)云處理方法定位奶牛體尺測點(diǎn)，進(jìn)而計(jì)算體尺參數(shù)[19， 28]。但消費(fèi)級(jí)深度相機(jī)通常易受強(qiáng)光照干擾，且當(dāng)觀測對(duì)象運(yùn)動(dòng)時(shí)容易出現(xiàn)圖像模糊，影響奶牛體尺測點(diǎn)定位精度。研究人員針對(duì)這一問題，利用三維激光掃描儀直接獲取奶牛體表點(diǎn)云數(shù)據(jù)，并重構(gòu)完整的奶牛點(diǎn)云模型，進(jìn)而計(jì)算奶牛各項(xiàng)體尺數(shù)據(jù)，精度有了較大提高[22]。但三維掃描儀采集的數(shù)據(jù)量較大，導(dǎo)致點(diǎn)云處理時(shí)間較長，且三維掃描儀成本較高，不利于奶牛體尺測量技術(shù)的實(shí)時(shí)計(jì)算與應(yīng)用推廣。因此，大多數(shù)研究仍采用消費(fèi)級(jí)深度相機(jī)進(jìn)行奶牛體尺自動(dòng)測量，通過算法創(chuàng)新與改進(jìn)，提升奶牛體尺測點(diǎn)定位精度[23]。隨著奶牛體尺測量研究的逐步深入，奶牛圍度體尺自動(dòng)測量受到研究者的廣泛關(guān)注，多目相機(jī)的體尺檢測以及奶牛體尺對(duì)體重、發(fā)育程度和健康狀況的評(píng)估成為目前奶牛體尺自動(dòng)測量研究的熱點(diǎn)[16，29，30]。

綜上所述，利用消費(fèi)級(jí)深度相機(jī)采集奶牛深度信息，并轉(zhuǎn)換為三維點(diǎn)云數(shù)據(jù)，通過計(jì)算機(jī)視覺和深度學(xué)習(xí)等先進(jìn)技術(shù)，自動(dòng)計(jì)算奶牛體尺參數(shù)，成為目前奶牛體尺自動(dòng)測量領(lǐng)域的主要方法與研究熱點(diǎn)。但如何提高點(diǎn)云處理速度、體尺測點(diǎn)定位精度、算法普適性與魯棒性仍是目前研究亟需突破的關(guān)鍵問題。

2.2奶牛體溫監(jiān)測

體溫是評(píng)價(jià)奶牛健康和生理狀況的第一指

標(biāo)，及時(shí)準(zhǔn)確地檢測體溫變化對(duì)奶牛養(yǎng)殖和健康管理具有重要意義[31]。奶牛的正常體溫為38.5～39.5℃，疾病、發(fā)情和熱應(yīng)激等原因均會(huì)造成奶牛體溫的變化[32]。直腸溫被認(rèn)為是評(píng)定動(dòng)物體熱平衡狀態(tài)的首要生理指標(biāo)[33]，臨床上通常使用直腸溫代表奶牛體溫，因此傳統(tǒng)的奶牛體溫檢測多采用人工直腸測溫方法[33]。然而，這種方法費(fèi)時(shí)費(fèi)力、創(chuàng)傷性較大，并且由于測溫時(shí)奶牛需要被控制，極易引起應(yīng)激反應(yīng)，導(dǎo)致奶牛體溫升高，從而降低體溫檢測的準(zhǔn)確性[34]。熱紅外相機(jī)可以探測物體輻射出的紅外線，轉(zhuǎn)化成為人眼可見的二維圖像，非接觸式地測量物體表面溫度[35]。隨著熱成像技術(shù)的發(fā)展和熱紅外相機(jī)的廣泛應(yīng)用，這種無損、無接觸的測溫方式有效地避免了上述傳統(tǒng)測溫方式所帶來的問題，為奶牛體溫檢測研究提供了新的方向。熱紅外相機(jī)的主要組成結(jié)構(gòu)為：光學(xué)鏡頭、紅外探測器和信號(hào)采集電路。物體表面輻射出的紅外電磁波由光學(xué)鏡頭接收，再傳輸?shù)郊t外探測器，紅外探測器將紅外輻射轉(zhuǎn)換成對(duì)應(yīng)的圖像，獲取物體的溫度分布狀況，其工作原理如圖2所示。

研究人員開展了基于熱紅外相機(jī)的奶牛體溫檢測相關(guān)研究，表2所示為該領(lǐng)域較為典型的研究成果。從方法和技術(shù)層面來看，將熱成像技術(shù)應(yīng)用于養(yǎng)殖場的奶牛體溫檢測工作中，主要面臨以下三大問題，大部分的研究也是圍繞這三項(xiàng)問題開展的。

首先，動(dòng)物的體溫一般使用其體核溫度（動(dòng)物機(jī)體內(nèi)部器官或深部組織的熱量狀態(tài)）表示[33]，熱紅外相機(jī)獲取的是奶牛體表溫度。因此，探究體表溫度與體核溫度間的相關(guān)性以及體表溫度能否作為體核溫度的有效代替指標(biāo)是需要解決的關(guān)鍵問題。近年來，許多研究人員開展了熱紅外圖像中奶牛不同部位體表溫度與體核溫度之間相關(guān)性的研究。其中，熱紅外相機(jī)所檢測的奶牛身體部位主要包括眼睛、耳后、前額、腹部、外陰、乳房和蹄部等[37]。結(jié)果表明，奶牛眼睛、前額溫度與直腸溫之間存在較高的相關(guān)性，可用于奶牛體溫的檢測[36，37，40]。

其次，由于熱紅外相機(jī)獲取的是奶牛熱圖像，其中感興趣區(qū)域（Region of interest ， ROI ）的溫度提取需要在圖像中對(duì)該區(qū)域進(jìn)行定位，眼睛等 ROI區(qū)域通過專用的軟件由人工標(biāo)定，費(fèi)時(shí)費(fèi)力且自動(dòng)化水平較低。因此，研究人員開展了熱紅外圖像中 ROI區(qū)域自動(dòng)定位的方法研究。由于熱紅外圖像分辨率較低、ROI 區(qū)域面積較小、特征不明顯并且奶牛姿態(tài)多變，導(dǎo)致了直接對(duì) ROI區(qū)域定位的精度較低。研究人員通過 ROI區(qū)域與頭部、身體的相對(duì)位置關(guān)系，結(jié)合圖像處理、骨架樹及深度學(xué)習(xí)等模型實(shí)現(xiàn)了熱紅外圖像中 ROI 區(qū)域較為準(zhǔn)確的定位[32，41，42]，但上述方法仍受奶牛頭部姿態(tài)變化影響，定位精度仍有待提高。

最后，雖然奶牛作為高等動(dòng)物具有完善的體溫調(diào)節(jié)機(jī)制，能夠在外界環(huán)境溫度改變時(shí)，通過調(diào)節(jié)機(jī)體的產(chǎn)熱和散熱過程，維持體核溫度的相對(duì)恒定[33]。但體表溫度易受環(huán)境變化的影響，因此研究人員針對(duì)明確影響熱紅外相機(jī)溫度檢測的養(yǎng)殖場環(huán)境因素，以及如何對(duì)該影響進(jìn)行補(bǔ)償進(jìn)而提高檢測精度的問題開展了研究。研究結(jié)果表明，奶牛體表溫度會(huì)隨環(huán)境溫度的變化而變化[39]，且不同部位表面溫度受環(huán)境溫度影響不同，其中奶牛眼溫受環(huán)境影響較小[38]，較為適合用于基于熱紅外視頻的奶牛體溫監(jiān)測研究。此外，相機(jī)與拍攝目標(biāo)的距離、大氣對(duì)紅外輻射能量的吸收等因素都會(huì)影響其檢測精度。因此，在實(shí)際應(yīng)用中，應(yīng)充分考慮各種影響測量準(zhǔn)確性的因素，并加以調(diào)節(jié)反饋進(jìn)而保證獲取溫度的準(zhǔn)確性。

總而言之，基于熱紅外視頻的奶牛體溫監(jiān)測技術(shù)相較于人工檢測方法具有節(jié)省人力物力、無損傷和無應(yīng)激等優(yōu)點(diǎn)，是智慧畜牧業(yè)中畜禽信息智能感知技術(shù)的重要組成部分，但該技術(shù)對(duì)奶牛體溫獲取的精度仍有待進(jìn)一步提高，熱紅外圖像中的目標(biāo)精準(zhǔn)檢測以及監(jiān)測系統(tǒng)對(duì)環(huán)境魯棒性的提升是基于熱紅外視頻的奶牛體溫監(jiān)測技術(shù)普及應(yīng)用的關(guān)鍵。

2.3奶牛體重監(jiān)測

奶牛體重監(jiān)測在飼養(yǎng)繁殖過程中占據(jù)著重要地位，奶牛體重參數(shù)不僅反映其日增重、產(chǎn)奶量、食物轉(zhuǎn)化率與生產(chǎn)性能等重要指標(biāo)，還是監(jiān)測奶牛生長發(fā)育狀況的主要依據(jù)[43]。目前國內(nèi)大多養(yǎng)殖場仍采用傳統(tǒng)的體重秤稱重方式，由于奶牛難以長時(shí)間保持靜止不動(dòng)姿態(tài)站立于體重秤上，因此在實(shí)際測量過程中，奶牛稱重結(jié)果精度不高。并且驅(qū)趕奶牛上稱時(shí)，易對(duì)奶牛造成應(yīng)激，稱重結(jié)果更加難以控制，且有損動(dòng)物福利。

隨著信息技術(shù)的快速發(fā)展，有研究提出應(yīng)用計(jì)算機(jī)視覺等技術(shù)，進(jìn)行奶牛體重等生理參數(shù)的自動(dòng)測量[44]。該方式不僅可以無應(yīng)激、無接觸式測量奶牛體重，避免造成奶牛應(yīng)激，而且省時(shí)省力，數(shù)據(jù)管理與存儲(chǔ)效率較高[45]。研究者借助可見光相機(jī)、深度相機(jī)等數(shù)據(jù)采集設(shè)備，實(shí)現(xiàn)了基于計(jì)算機(jī)視覺的奶牛體重自動(dòng)測量，取得了較多研究成果，如表3所示。

根據(jù)體重估測模型中所采用的模型參數(shù)不同，基于計(jì)算機(jī)視覺的奶牛體重測量研究主要分為三類，包括基于體尺、基于面積與基于體積的奶牛體重測量模型。研究初期已有許多研究者提出了采用人工測量的奶牛體尺參數(shù)，建立經(jīng)驗(yàn)公式、多元回歸模型等用于估測奶牛體重。因此，基于計(jì)算機(jī)視覺的奶牛體重自動(dòng)測量技術(shù)在研究初期，多將研究重點(diǎn)集中于奶牛體尺自動(dòng)測量方面，通過降低體尺測量誤差，優(yōu)化體重估測模型，來提高奶牛體重估測模型精度[46，47]。基于體尺參數(shù)的奶牛體重估測模型，通常選取奶牛體斜長、體高、胸圍、腹圍與管圍等體尺參數(shù)構(gòu)建多元回歸模型[52]。其中，多項(xiàng)研究表明，奶牛體重與胸圍、體深、腹寬等參數(shù)相關(guān)性較強(qiáng)[53]。

基于面積的奶牛體重測量模型，又可分為基于投影面積與基于表面積的測量模型。其中，基于投影面積的奶牛體重測量模型，通常是利用可見光相機(jī)或深度相機(jī)采集奶牛俯視或側(cè)視圖像數(shù)據(jù)，通過圖像預(yù)處理、奶牛目標(biāo)分割等操作，計(jì)算奶牛身體區(qū)域像素點(diǎn)數(shù)作為奶牛在圖像中的投影面積，并進(jìn)一步結(jié)合奶牛體尺等數(shù)據(jù)建立體重估測模型。另外，基于表面積的奶牛體重測量模型，通常采用深度相機(jī)采集奶牛俯視與側(cè)視等多視角深度數(shù)據(jù)，并將深度圖像轉(zhuǎn)換為三維模型，通過計(jì)算奶牛三維模型的表面積，估測奶牛體重[50，51]。其中，雖然基于投影面積的奶牛體重估測模型的圖像處理步驟簡潔、構(gòu)建速度快，但模型精度通常低于基于表面積的奶牛體重估測模型。

基于體積的奶牛體重測量模型與基于表面積的體重模型方法相似，二者都是先利用深度相機(jī)構(gòu)建奶牛三維模型，然后計(jì)算模型體積參數(shù)，建立奶牛體重估測回歸模型[54，55]。其中，也有研究提出基于奶牛體深與體直長等參數(shù)，將軀干近似為圓柱體，基于奶牛頭部體尺參數(shù)，將頭部近似為圓錐體，計(jì)算圓柱體與圓錐體體積之和，估測奶牛、豬等家畜體重。但相關(guān)研究大多仍采用基于奶牛三維模型體積參數(shù)，構(gòu)建體重估測模型。因此，構(gòu)建精準(zhǔn)的奶牛三維模型、提高多視角數(shù)據(jù)配準(zhǔn)精度，成為該方法的研究重點(diǎn)。

綜上所述，利用深度相機(jī)構(gòu)建奶牛三維模型，利用計(jì)算機(jī)視覺、深度學(xué)習(xí)與多元回歸分析等先進(jìn)技術(shù)，計(jì)算奶牛直線體尺、圍度體尺、投影面積、表面積與體積等表型參數(shù)，優(yōu)化奶牛體重估測模型，成為目前基于計(jì)算機(jī)視覺的奶牛體重測量領(lǐng)域的研究熱點(diǎn)[56]。但仍需進(jìn)一步探明各項(xiàng)表型參數(shù)與奶牛體重的相關(guān)性，提高奶牛體重估測模型普適性與魯棒性。

3奶牛疾病診斷

奶牛疾病會(huì)嚴(yán)重影響奶牛生活福利和養(yǎng)殖場經(jīng)濟(jì)效益，并會(huì)為奶制品安全和人類健康帶來一定的不利因素[57]。因此，對(duì)奶牛疾病的有效防治可以從根本上保證奶牛健康和牛奶品質(zhì)，減少養(yǎng)殖場經(jīng)濟(jì)損失以促進(jìn)中國奶業(yè)發(fā)展。奶牛常見的疾病主要包括乳房炎、跛行、酮病以及不孕癥等[58]，其中針對(duì)奶牛乳房炎和跛行的檢測在計(jì)算機(jī)視覺領(lǐng)域研究廣泛。基于計(jì)算機(jī)視覺的奶牛疾病診斷技術(shù)可以高效、無應(yīng)激地實(shí)現(xiàn)奶牛疾病的檢測和預(yù)警，以保證患病奶牛被及時(shí)地發(fā)現(xiàn)和治療，減少養(yǎng)殖場的經(jīng)濟(jì)損失。

3.1奶牛乳房炎檢測

奶牛乳房炎是影響奶牛養(yǎng)殖生產(chǎn)環(huán)節(jié)最嚴(yán)重的疾病之一，不僅會(huì)造成奶牛產(chǎn)奶量下降、牛奶品質(zhì)降低，而且會(huì)增加奶牛的淘汰率和死亡率，給奶牛養(yǎng)殖企業(yè)帶來巨大的經(jīng)濟(jì)損失[59，60]。及早發(fā)現(xiàn)乳房炎可以防止乳房炎進(jìn)一步惡化，減少養(yǎng)殖場的經(jīng)濟(jì)損失。然而，由于奶牛隱性乳房炎的病因較為復(fù)雜、臨床癥狀不明顯，人工監(jiān)測的方法容易造成乳房炎漏檢并且工作效率較低。因此，亟需探究一種用于早期和準(zhǔn)確檢測乳房炎的技術(shù)方法，以保證奶牛福利和養(yǎng)殖場的經(jīng)濟(jì)效益。

近年來，研究人員針對(duì)奶牛乳房炎檢測問題探索并開發(fā)了一系列方法和設(shè)備。早期的方法主要依托于檢測牛奶的理化性質(zhì)[61]，其中小型奶牛場最為常用的是加州乳房炎檢測法（ Califor‐ nia Mastitis Test ， CMT ），該方法具有檢測速度快、價(jià)格便宜、操作簡單等優(yōu)點(diǎn)，但其結(jié)果無法直接量化，需要安排專業(yè)人員進(jìn)行檢查[62]。另外一種比較常見的方法是體細(xì)胞檢測法（ Somat‐ic Cell Count ， SCC ），即通過測量乳汁中的體細(xì)胞數(shù)來判定奶牛的健康狀態(tài)[63]。一般情況下健康奶牛的乳汁體細(xì)胞數(shù)為25萬個(gè)/mL左右，然而當(dāng)奶牛患病時(shí)，體細(xì)胞數(shù)量會(huì)快速升高[64]，當(dāng)體細(xì)胞數(shù)量高于所設(shè)定的閾值時(shí)，可判斷奶牛患有乳房炎，但該方法的檢測過程繁瑣，耗費(fèi)時(shí)間較長。pH 計(jì)檢測法也是一種較為準(zhǔn)確的乳房炎檢測方法，但該方法在每次使用前需要進(jìn)行標(biāo)定，過程較繁瑣[65]。自上世紀(jì)80年代以來，研究人員一直致力于基于牛奶理化性質(zhì)的奶牛乳房炎自動(dòng)檢測傳感器的開發(fā)[66]，已開發(fā)的傳感器包括 SCC 測量傳感器[67，68]、L-乳酸脫氫酶傳感器[69] 以及生物傳感器[70]等等。然而，該類傳感器需要嚴(yán)格控制采集樣品的環(huán)境條件，難以應(yīng)用到實(shí)際生產(chǎn)的大規(guī)模牛群檢測中[71，72]。

作為一種無創(chuàng)方法，紅外熱成像技術(shù)可以無接觸地測量皮膚放射出的熱量，從而反應(yīng)皮下循環(huán)和新陳代謝[73]。乳房炎將導(dǎo)致奶牛乳房區(qū)域溫度升高，通過紅外熱成像技術(shù)可以檢測到乳房發(fā)出的熱輻射變化[74]，因此許多研究者利用這一特點(diǎn)，開展了基于熱紅外視頻的奶牛乳房健康狀況評(píng)估技術(shù)研究[75]。該項(xiàng)技術(shù)可以降低奶牛乳房炎檢測成本，適應(yīng)奶牛規(guī)模化養(yǎng)殖模式，因此在奶牛乳房炎檢測領(lǐng)域發(fā)展迅速。表4展示了近年來基于計(jì)算機(jī)視覺技術(shù)的奶牛乳房炎檢測相關(guān)研究。

就研究方法而言，在利用熱成像技術(shù)檢測奶牛乳房炎的工作中，大部分研究是圍繞三種方法進(jìn)行的。首先是直接通過熱紅外相機(jī)采集奶牛乳房的熱紅外圖像，通過觀察熱紅外圖像中奶牛乳房的溫度來判斷奶牛是否患有乳房炎[78];其次是通過比較左右兩側(cè)乳房溫差與所設(shè)溫差閾值的大小來診斷奶牛乳房炎，因?yàn)槲椿既榉垦椎哪膛Ｗ笥胰榉繙囟乳g差異不明顯，而當(dāng)奶牛患有乳房炎時(shí)，患病乳房表面溫度將高于健康乳房的溫度。采用左右乳房溫差法診斷乳房炎可以減小環(huán)境因素（養(yǎng)殖場溫濕度[79]、風(fēng)速[80]等）以及奶牛自身因素（乳房清潔度[81]、奶牛活動(dòng)量[82]等）對(duì)乳房溫度的影響，但是當(dāng)奶牛左右兩側(cè)同時(shí)患有乳房炎時(shí)，其左右乳房溫差可能小于設(shè)定閾值，造成乳房炎的誤判;最后，通過比較奶牛眼乳溫差與所設(shè)閾值的大小來判斷奶牛是否患有乳房炎。由上文可知，熱紅外圖像中的奶牛眼溫可用于代表奶牛體溫，通過眼乳溫差法可以明確奶牛乳房溫度與體溫的相對(duì)變化。但乳房作為敏感區(qū)域，其表面溫度很容易受到環(huán)境因素的影響，造成檢測誤差。因此，在今后的研究中建議同時(shí)考慮奶牛的眼溫和左右乳房的溫度，既能減小環(huán)境等因素的影響又能避免左右乳房同時(shí)患病造成的誤判，從而提高乳房炎檢測的準(zhǔn)確性。

就研究技術(shù)而言，實(shí)現(xiàn)奶牛乳房炎自動(dòng)化檢測的關(guān)鍵在于熱圖像中對(duì)奶牛眼睛和乳房區(qū)域的快速及準(zhǔn)確定位，現(xiàn)階段常用的檢測技術(shù)主要包括傳統(tǒng)圖像處理技術(shù)和深度學(xué)習(xí)技術(shù)。傳統(tǒng)圖像處理技術(shù)提取奶牛關(guān)鍵部位的圖像[41，76]，易受環(huán)境噪聲等因素的干擾[83]，影響乳房炎檢測精度。近年來，深度學(xué)習(xí)技術(shù)發(fā)展迅速，該技術(shù)能夠準(zhǔn)確地從復(fù)雜背景中提取目標(biāo)和特征，滿足對(duì)自然場景中奶牛關(guān)鍵部位的高精度檢測要求，因此已被廣泛應(yīng)用于奶牛乳房炎的自動(dòng)檢測研究中[77]。此外，在使用眼乳溫差法檢測奶牛乳房炎時(shí)，通常會(huì)采取“優(yōu)先定位頭部，再定位眼睛”的策略，以解決奶牛眼睛區(qū)域過小、定位準(zhǔn)確率低的問題，但奶牛頭部姿態(tài)的多樣性會(huì)影響奶牛眼睛溫度提取的準(zhǔn)確性，因此奶牛頭部姿態(tài)的判斷成為了奶牛熱圖像的篩選條件[42]，以確保后續(xù)奶牛眼睛溫度提取的準(zhǔn)確性。

綜上所述，計(jì)算機(jī)視覺技術(shù)可應(yīng)用于奶牛乳房炎檢測工作中，通過對(duì)奶牛關(guān)鍵部位的準(zhǔn)確定位，提取其溫差信息并與所設(shè)定的閾值進(jìn)行比較，實(shí)現(xiàn)奶牛乳房炎檢測。然而目前基于溫度閾值的乳房炎檢測方法準(zhǔn)確性仍不高，并且易受環(huán)境等因素干擾。因此，乳房炎檢測方法的研究以及提高系統(tǒng)的魯棒性是基于計(jì)算機(jī)視覺的奶牛乳房炎檢測技術(shù)的關(guān)鍵研究方向。

3.2奶牛跛行檢測

奶牛跛行主要是由趾間皮炎、蹄底潰瘍和蹄葉炎等肢蹄病引起的肢蹄疼痛，而導(dǎo)致的奶牛肢蹄承重能力下降和步態(tài)異常[84]。奶牛跛行不僅降低了奶牛福利及潛在產(chǎn)奶量，還會(huì)影響奶牛繁殖性能，增加奶牛過早淘汰的風(fēng)險(xiǎn)，奶牛跛行現(xiàn)已成為僅次于乳房炎的影響奶牛健康的第二大類疾病，會(huì)對(duì)養(yǎng)殖場造成巨大的經(jīng)濟(jì)損失[85-87]。

傳統(tǒng)的奶牛跛行檢測方法以人工觀察法為主，通過觀察奶牛弓背、點(diǎn)頭、步態(tài)跟隨性以及對(duì)稱性等方面的異常，對(duì)奶牛進(jìn)行運(yùn)動(dòng)評(píng)分。使用最廣泛的奶牛運(yùn)動(dòng)評(píng)分標(biāo)準(zhǔn)是經(jīng)典的五分制奶牛運(yùn)動(dòng)評(píng)分系統(tǒng)[88]，根據(jù)奶牛的背部姿態(tài)、站立姿勢和行走步態(tài)變化，將奶牛跛行分為1～5分值，評(píng)分越高表示奶牛跛行越嚴(yán)重。然而該方法受觀察者的個(gè)人經(jīng)驗(yàn)及主觀因素影響較大，并且需要耗費(fèi)大量的人力物力。除此之外，人工觀察法對(duì)奶牛輕微的步態(tài)異常不敏感，無法有效辨識(shí)輕度跛行[89]。

近年來，計(jì)算機(jī)視覺技術(shù)快速發(fā)展，利用該技術(shù)可以自動(dòng)感知奶牛步態(tài)行為，避免奶牛應(yīng)激反應(yīng)。基于計(jì)算機(jī)視覺的奶牛跛行識(shí)別已成為本研究領(lǐng)域的一個(gè)主要研究方向。一些研究者通過相機(jī)采集奶牛行走視頻數(shù)據(jù)，從視頻圖像序列中提取跛行特征并識(shí)別奶牛跛行，取得了較好的研究成果[90，91]，表5展示了近年來基于計(jì)算機(jī)視覺技術(shù)的奶牛跛行檢測相關(guān)研究。

3.2.1跛行檢測系統(tǒng)介紹

基于計(jì)算機(jī)視覺的奶牛跛行檢測系統(tǒng)所使用的相機(jī)種類主要有三種，包括二維可見光相機(jī)、三維深度相機(jī)和熱紅外相機(jī)。基于可見光相機(jī)的計(jì)算機(jī)視覺技術(shù)，由于可見光相機(jī)普遍具有高清晰度和較廣的拍攝視野的優(yōu)點(diǎn)，在檢測奶牛跛行研究中得到了廣泛的應(yīng)用，其工作系統(tǒng)如圖3所示。攝像機(jī)放置在通道的一側(cè)，以確保獲取的奶牛行走側(cè)視圖清晰完整;工控機(jī)與可見光相機(jī)連接，其中可見光相機(jī)用于視頻獲取，工控機(jī)用于圖像處理和算法執(zhí)行;射頻識(shí)別采集器（ Radio Frequency Identification ， RFID ）記錄每頭奶牛的 ID編號(hào)，用于對(duì)應(yīng)視頻中的奶牛。

研究人員利用可見光相機(jī)獲取奶牛自然行走視頻，并對(duì)視頻中奶牛行走所表現(xiàn)出的步態(tài)特征進(jìn)行量化和分析，進(jìn)而通過閾值或機(jī)器學(xué)習(xí)等方法實(shí)現(xiàn)奶牛跛行的檢測和分類[92，98， 102]。可見光相機(jī)所接收的光波頻率與人眼相同，易于研究人員觀察分析，并且視頻中包含奶牛的姿態(tài)信息和步態(tài)對(duì)稱性的動(dòng)態(tài)信息，比較適用于奶牛跛行的檢測研究，因此利用可見光相機(jī)獲取奶牛行走視頻成為了早期基于計(jì)算機(jī)視覺的奶牛跛行檢測研究的主流方法。

隨著電子信息技術(shù)的快速發(fā)展，各類功能強(qiáng)大的新型相機(jī)也隨之普及和應(yīng)用，深度相機(jī)和熱紅外相機(jī)可以獲得目標(biāo)的深度和溫度信息[97，99]，這些信息可以表達(dá)可見光相機(jī)無法提取的生理指標(biāo)，為跛行檢測提供了不同的研究角度和方向。基于可見光相機(jī)的奶牛跛行檢測研究目前存在一定的局限性：首先，許多農(nóng)場由于建筑結(jié)構(gòu)限制，不具備安裝側(cè)視相機(jī)的空間[103];其次，照明條件和背景的變化會(huì)影響特征提取效果[104];最后，可見光相機(jī)采集的二維信息使得后期算法對(duì)奶牛跛行特征的空間位置關(guān)系判別較為模糊，難以滿足奶牛跛行高精度檢測的需要。相比之下，深度相機(jī)在一定程度上可以避免上述問題[21]。

深度相機(jī)可以檢測每個(gè)像素點(diǎn)到相機(jī)的距離，以獲得目標(biāo)的三維空間信息，在一定程度上降低了光照等周圍環(huán)境變化的干擾。利用奶牛步態(tài)三維空間信息，可準(zhǔn)確獲得奶牛行走過程中的空間位置關(guān)系，便于剖析奶牛時(shí)空運(yùn)動(dòng)層次結(jié)構(gòu)，為跛行奶牛時(shí)空運(yùn)動(dòng)變化規(guī)律研究提供數(shù)據(jù)基礎(chǔ)。在基于深度相機(jī)奶牛的跛行檢測研究中，深度相機(jī)普遍被架設(shè)于通道上方，以獲取奶牛行走過程中其背部姿態(tài)的三維視頻圖像，研究人員主要通過奶牛的背部姿態(tài)和脊柱彎曲角度檢測奶牛跛行。與可見光相機(jī)相比，深度相機(jī)對(duì)環(huán)境條件的要求更低，更容易獲取圖像。此外，深度相機(jī)更適合長期觀察和數(shù)據(jù)收集以進(jìn)行統(tǒng)計(jì)分析[91]。但另一方面，由于深度圖像數(shù)據(jù)量較大并且相機(jī)的視野較小[97]，需要控制奶牛行走速度[105]。此外，步態(tài)是奶牛跛行檢測的重要指標(biāo)[106]，無法獲得腿部圖像限制了深度相機(jī)檢測奶牛跛行的全面性。

后續(xù)的研究發(fā)現(xiàn)，當(dāng)牛蹄受損時(shí)，其冠狀動(dòng)脈區(qū)域溫度會(huì)發(fā)生變化[99]，因此研究人員通過熱紅外相機(jī)獲取牛蹄表面溫度并分析其溫度變化實(shí)現(xiàn)了奶牛跛行檢測[100]。由于早期跛行奶牛的運(yùn)動(dòng)特征變化并不顯著[107]，紅外熱成像技術(shù)作為跛行早期檢測和預(yù)防的一種診斷方法具有較大潛力。但熱成像技術(shù)在早期的跛行檢測研究中主要用于檢測牛蹄溫度，并且需要近距離拍攝奶牛牛蹄熱圖像，難以實(shí)現(xiàn)自動(dòng)化系統(tǒng)集成。

總而言之，三種相機(jī)均可以用于奶牛跛行檢測研究，依托不同類型相機(jī)所構(gòu)建的檢測系統(tǒng)，具有不同的拍攝角度、數(shù)據(jù)采集格式和檢測方法，并且各有優(yōu)缺點(diǎn)。不同的研究依據(jù)其檢測的環(huán)境和需求，需要選擇不同類型的相機(jī)實(shí)現(xiàn)跛行檢測。

3.2.2跛行檢測方法介紹

跛行奶牛和健康奶牛行走過程中的行為姿態(tài)存在差異[108]，例如跛行奶牛行走時(shí)速度慢、步幅小并伴隨著背部彎曲和頭部擺動(dòng)[109]。這些行為變化主要是由于奶牛會(huì)通過減少病肢蹄的承重以減少蹄部的疼痛。上述行為變化成為了跛行檢測研究的重要依據(jù)。早期研究人員檢測跛行主要利用運(yùn)動(dòng)評(píng)分系統(tǒng)中描述的奶牛運(yùn)動(dòng)特征，例如弓背[97]，頭部擺動(dòng)[110] 和步態(tài)不均勻[96]等。除此之外，研究人員還發(fā)現(xiàn)一些運(yùn)動(dòng)特征與跛行之間存在著相關(guān)性，包括蹄踏時(shí)間[111]、軌跡跟蹤[112]、牛蹄關(guān)節(jié)角度[113]、奶牛頸背部斜率[93] 以及支撐相的差異等[94]。上述奶牛運(yùn)動(dòng)特征均可以用于檢測跛行，但效果不同，并且在特征選擇上，還應(yīng)考慮從視頻圖像中提取不同特征的難度。早期的研究大多使用單一特征來評(píng)估跛行，單特征檢測具有信息收集速度快，分類算法簡單等優(yōu)點(diǎn)，但不能準(zhǔn)確、全面地表征奶牛跛行程度[109]。例如，弓背曲率可以用于檢測跛行，但是一些跛行的奶牛不會(huì)表現(xiàn)弓背，而一些非跛行的奶牛由于患有腹痛、心包疾病和胸膜肺炎等疾病，也會(huì)表現(xiàn)出弓背[114]。研究人員根據(jù)對(duì)跛行奶牛各種異常行為指標(biāo)的調(diào)查，總結(jié)出對(duì)稱性、跟蹤、脊柱彎曲、頭部擺動(dòng)、速度和外展的權(quán)重分別為24%、20%、19%、15%、12%和9%，因此使用多個(gè)特征進(jìn)行跛行檢測理論上可以使檢測更加全面[109]。

隨著圖像處理技術(shù)的發(fā)展，許多研究致力于使用圖像處理技術(shù)，從視頻中更準(zhǔn)確的提取奶牛跛行特征[112]。圖像處理技術(shù)面臨的主要問題是如何從復(fù)雜的背景中準(zhǔn)確地定位行走的奶牛。傳統(tǒng)的背景減除法易受外部因素干擾，奶牛前景分割精度較低[115]。因此，研究人員提出一系列提高圖像處理效果的方法，包括增加背景和前景對(duì)比度、多種圖像處理方法結(jié)合以及分析像素特征等[115-118]。然而，使用圖像處理算法檢測奶牛關(guān)鍵位置信息，仍存在效率較低且檢測效果不佳等問題。近年來，隨著深度學(xué)習(xí)技術(shù)迅速的發(fā)展和應(yīng)用，在圖像分類與目標(biāo)跟蹤方面，其精度已經(jīng)普遍超過了傳統(tǒng)的圖像處理方法。研究人員發(fā)現(xiàn)利用深度學(xué)習(xí)技術(shù)可以較為準(zhǔn)確地檢測奶牛運(yùn)動(dòng)特征，滿足了自然場景中奶牛關(guān)鍵部位高精度檢測的要求[104]。

選擇并獲取跛行特征信息后，研究人員會(huì)依據(jù)各種特征信息對(duì)跛行進(jìn)行分類[111]。傳統(tǒng)分類方法為閾值分析，根據(jù)不同跛行等級(jí)的特征數(shù)據(jù)定義分類閾值，并根據(jù)奶牛的特征值和分類閾值確定其跛行等級(jí)。由于奶牛是復(fù)雜且時(shí)變的個(gè)體[119]，用于檢測跛行的變量會(huì)受到奶牛個(gè)體特異性影響[120]，早期的大部分研究多是針對(duì)奶牛群體定義跛行檢測的閾值和標(biāo)準(zhǔn)，但沒有關(guān)注個(gè)體差異[107]。后續(xù)的研究中，研究人員使用 k-鄰域、雙向長短期記憶網(wǎng)絡(luò)以及其他機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法對(duì)奶牛跛行進(jìn)行分類[93，95，96]，準(zhǔn)確率均超過90%。關(guān)于哪一種分類算法最適用于跛行檢測，尚未達(dá)成共識(shí)[121]。然而，當(dāng)使用多個(gè)特征檢測跛行時(shí)，理論上可以得到更準(zhǔn)確的檢測結(jié)果，因此機(jī)器學(xué)習(xí)（包括深度學(xué)習(xí)）算法將會(huì)有更廣闊的應(yīng)用空間。

綜上所述，基于計(jì)算機(jī)視覺的奶牛跛行識(shí)別已經(jīng)取得了較好的研究進(jìn)展，識(shí)別準(zhǔn)確率以及自動(dòng)化程度已經(jīng)顯著提高。基于可見光相機(jī)、深度相機(jī)以及熱紅外相機(jī)的方法都可以較好地實(shí)現(xiàn)奶牛跛行檢測，但三者各有優(yōu)勢和劣勢，適用場景也各不相同，因此在養(yǎng)殖場進(jìn)行實(shí)際應(yīng)用階段，需要根據(jù)實(shí)際情況選取最適合的方案。

4面臨的挑戰(zhàn)和發(fā)展建議

目前，有關(guān)計(jì)算機(jī)視覺奶牛生理參數(shù)監(jiān)測與疾病診斷技術(shù)的研究多集中在方法探究和算法研發(fā)階段，并沒有實(shí)現(xiàn)大范圍的普及應(yīng)用，成熟的商業(yè)化產(chǎn)品較少。計(jì)算機(jī)視覺技術(shù)應(yīng)用于精細(xì)畜牧業(yè)的構(gòu)建中，不僅需要其具有良好的檢測精度，還需要充分考慮其檢測速度、設(shè)備成本、系統(tǒng)魯棒性和操作難度，現(xiàn)有技術(shù)尚未達(dá)到智能養(yǎng)殖對(duì)應(yīng)用系統(tǒng)可靠、準(zhǔn)確、低成本及易維護(hù)的需求[11]。因此，本文根據(jù)計(jì)算機(jī)視覺技術(shù)在養(yǎng)殖業(yè)中的研究成果，結(jié)合養(yǎng)殖業(yè)的發(fā)展現(xiàn)狀和養(yǎng)殖場的實(shí)際需求，總結(jié)了計(jì)算機(jī)視覺技術(shù)在奶牛生理參數(shù)監(jiān)測和疾病診斷方面普及應(yīng)用所面臨的問題和挑戰(zhàn)，并提出了相應(yīng)的發(fā)展建議。

4.1面臨的問題和挑戰(zhàn)

（1） 檢測準(zhǔn)確性仍有待提高。目前基于計(jì)算機(jī)視覺的奶牛生理參數(shù)監(jiān)測和疾病診斷相關(guān)研究，其結(jié)果大多無法滿足養(yǎng)殖場應(yīng)用的精度需求。分析其原因在于，首先，計(jì)算機(jī)視覺技術(shù)固有的信息限制問題。計(jì)算機(jī)視覺技術(shù)的非接觸信息獲取方式減少了奶牛的應(yīng)激反應(yīng)并且提高了工作效率。然而，這種方式獲取的信息種類單一，導(dǎo)致了該技術(shù)針對(duì)一些生理參數(shù)或疾病的檢測無法沿用傳統(tǒng)或者精度較高的方法。因此，僅依靠計(jì)算機(jī)視覺技術(shù)所獲取的有限信息無法實(shí)現(xiàn)精準(zhǔn)檢測;其次，生物的個(gè)體特異性影響問題。所有畜禽包括奶牛都是復(fù)雜且時(shí)變的個(gè)體[119]，不同個(gè)體的生長情況、生長階段以及對(duì)疾病的忍耐程度等特征存在差異，影響了后續(xù)監(jiān)測和診斷算法結(jié)果的精度。最后，信息提取存在誤差。計(jì)算機(jī)視覺檢測模型需要從系統(tǒng)所獲取的圖像中提取特定的信息用于后續(xù)的監(jiān)測和診斷，目前的信息提取精度相較于人工標(biāo)定仍存在差距，尤其是受奶牛姿態(tài)或環(huán)境因素影響嚴(yán)重，進(jìn)而導(dǎo)致了后續(xù)檢測結(jié)果精度的下降。

（2） 環(huán)境因素影響較大。目前中國的養(yǎng)殖場并沒有完全實(shí)現(xiàn)規(guī)模化和現(xiàn)代化，環(huán)境條件仍是制約計(jì)算機(jī)視覺技術(shù)應(yīng)用普及的重要因素。由于養(yǎng)殖場環(huán)境復(fù)雜，環(huán)境氣候、光照條件、奶牛糞污及氣體腐蝕等因素對(duì)設(shè)備壽命以及檢測結(jié)果的影響較大[11]。一方面，應(yīng)通過有效的信息感知與環(huán)境調(diào)控[9]改善養(yǎng)殖場的設(shè)施環(huán)境以提高奶牛的生活福利和養(yǎng)殖場的經(jīng)濟(jì)效益，為更多種類的傳感器在養(yǎng)殖場中的應(yīng)用提供有利條件，進(jìn)而提高養(yǎng)殖場的智能化與自動(dòng)化，形成良性循環(huán);另一方面，在針對(duì)計(jì)算機(jī)視覺的奶牛養(yǎng)殖研究過程中，要充分考慮環(huán)境等外界因素對(duì)系統(tǒng)穩(wěn)定性和準(zhǔn)確性的影響，通過硬件設(shè)計(jì)與算法修正，提高計(jì)算機(jī)視覺系統(tǒng)在養(yǎng)殖場環(huán)境下的魯棒性。

（3） 非標(biāo)準(zhǔn)化養(yǎng)殖場結(jié)構(gòu)制約了檢測系統(tǒng)普及。目前，中國推行的養(yǎng)殖場設(shè)計(jì)規(guī)范主要針對(duì)的是生物安全、畜禽防疫、環(huán)境保護(hù)和奶牛福利等問題[122]。雖然養(yǎng)殖場的現(xiàn)代化、規(guī)范化發(fā)展在一定程度上為智能傳感器設(shè)施提供了裝備空間，但計(jì)算機(jī)視覺系統(tǒng)對(duì)養(yǎng)殖場建筑結(jié)構(gòu)與硬件設(shè)施要求較高，目前養(yǎng)殖場結(jié)構(gòu)仍沒有實(shí)現(xiàn)完全的標(biāo)準(zhǔn)化，限制了計(jì)算機(jī)視覺系統(tǒng)的普及應(yīng)用。基于計(jì)算機(jī)視覺的奶牛生理參數(shù)監(jiān)測與疾病診斷系統(tǒng)工作需要奶牛依次通過相機(jī)拍攝視野，因此需要養(yǎng)殖場具備相應(yīng)的采集通道，并且在通道兩側(cè)與上方需要有足夠的空間用于系統(tǒng)搭建。由于缺乏標(biāo)準(zhǔn)化規(guī)定，養(yǎng)殖場建筑結(jié)構(gòu)與硬件設(shè)施差異較大，因此系統(tǒng)的普適性和泛化性仍有待提高。

（4） 檢測系統(tǒng)成本較高。檢測系統(tǒng)的成本和檢測能力是影響其在養(yǎng)殖場使用的兩個(gè)主要因素。計(jì)算機(jī)視覺系統(tǒng)主要由相機(jī)和計(jì)算機(jī)（工控機(jī)）組成。相機(jī)（可見光相機(jī)、深度相機(jī)和熱紅外相機(jī)）價(jià)格跨度較大，尤其是熱紅外相機(jī)目前價(jià)格相對(duì)較高。但廉價(jià)相機(jī)采集的數(shù)據(jù)會(huì)為后續(xù)的數(shù)據(jù)處理過程帶來困難（如鬼影圖像），從而影響檢測結(jié)果。因此對(duì)于檢測系統(tǒng)的開發(fā)，不僅要保證其檢測性能，同時(shí)也要充分考慮其價(jià)格成本的受眾情況。

4.2未來發(fā)展建議

計(jì)算機(jī)視覺技術(shù)作為中國畜禽養(yǎng)殖業(yè)智能化發(fā)展的重要環(huán)節(jié)，可以在奶牛生理參數(shù)監(jiān)測與疾病診斷領(lǐng)域充分發(fā)揮其無應(yīng)激、高效率等優(yōu)勢，為了更好地推動(dòng)基于計(jì)算機(jī)視覺的奶牛生理參數(shù)監(jiān)測與疾病診斷研究發(fā)展，盡早實(shí)現(xiàn)產(chǎn)業(yè)化集成和應(yīng)用推廣，本文提出以下發(fā)展建議。

（1） 針對(duì)目前研究精度仍有待提高的問題，作者認(rèn)為后續(xù)的研究仍要以算法研發(fā)為主要工作，包括感知算法和決策算法均存在較大的提升空間，感知算法要力求“測得準(zhǔn)”，決策算法則要追求“測得對(duì)”，充分發(fā)揮計(jì)算機(jī)視覺技術(shù)可以連續(xù)檢測、數(shù)據(jù)量大的優(yōu)勢，利用云計(jì)算、深度學(xué)習(xí)與大數(shù)據(jù)等智能計(jì)算技術(shù)對(duì)大量信息進(jìn)行分析和處理[9]。

（2） 在檢測系統(tǒng)普及應(yīng)用方面，需要在硬件設(shè)計(jì)過程中充分考慮系統(tǒng)的普適性和裝備的靈活性，在不影響?zhàn)B殖場正常工作的基礎(chǔ)上減少空間占用率。在系統(tǒng)成本方面，首先，隨著電子技術(shù)的發(fā)展，同性能水平電子設(shè)備的價(jià)格會(huì)趨于下降[123];此外，當(dāng)多項(xiàng)研究技術(shù)被集成到計(jì)算機(jī)視覺系統(tǒng)中時(shí)，設(shè)備成本會(huì)間接降低。因此，應(yīng)提高系統(tǒng)的功能集成化與數(shù)據(jù)利用率，拓展計(jì)算機(jī)視覺系統(tǒng)功能，并且在不影響系統(tǒng)檢測能力的前提下，減少設(shè)備成本，探究均衡設(shè)備成本與精度的解決方案[124]。

目前，中國畜禽養(yǎng)殖業(yè)逐步向規(guī)模化及標(biāo)準(zhǔn)化方向過渡[9]，計(jì)算機(jī)視覺技術(shù)結(jié)合大數(shù)據(jù)、云計(jì)算和深度學(xué)習(xí)等智能技術(shù)在畜牧生產(chǎn)中應(yīng)用前景廣闊，相關(guān)研究人員應(yīng)在充分考慮養(yǎng)殖場需求的基礎(chǔ)上，探索適用于中國不同區(qū)域、不同模式與規(guī)模養(yǎng)殖場的高精度、低成本計(jì)算機(jī)視覺奶牛生理參數(shù)監(jiān)測與疾病診斷系統(tǒng)，為提高動(dòng)物福利、加強(qiáng)養(yǎng)殖場的信息管理效率以及生物安全防治提供有力的技術(shù)支持，助推中國智能養(yǎng)殖業(yè)和農(nóng)業(yè)現(xiàn)代化快速發(fā)展。

參考文獻(xiàn)：

[1] 王艷陽， 李彤， 劉佳麗， 等.中國奶牛產(chǎn)業(yè)發(fā)展現(xiàn)狀與對(duì)策[J].黑龍江畜牧獸醫(yī)， 2017（24）：23-26.

[2] 陳艷飛.奶牛產(chǎn)業(yè)發(fā)展現(xiàn)狀與未來[J].養(yǎng)殖與飼料 ，2018（7）：105-106.

[3] 農(nóng)業(yè)農(nóng)村部：\"十四五\"奶業(yè)競爭力提升行動(dòng)方案[J].北方牧業(yè)， 2022（5）：14-15.

[4] 李勝利， 姚琨， 曹志軍， 等.2021年奶牛產(chǎn)業(yè)技術(shù)發(fā)展報(bào)告[J].中國畜牧雜志， 2022（3）：244-249.

[5] 劉一明.實(shí)施九大任務(wù)提振奶業(yè)發(fā)展——\"十四五\"奶業(yè)競爭力如何提升有了行動(dòng)方案[N].農(nóng)民日報(bào)， 2022-03-03（6）.

[6] 劉繼芳， 韓書慶， 齊秀麗.中國信息化畜禽養(yǎng)殖技術(shù)應(yīng)用現(xiàn)狀與展望[J].中國乳業(yè)， 2021（12）：47-52.

LIU J， HAN S， QI X. Application progress and pros‐pects of the livestock and poultry informatized breed‐ing" technology" in" China[J]. China" Dairy， 2021（12）：47-52.

[7] 王國占 ， 侯方安 ， 車宇. 國內(nèi)外無人化農(nóng)業(yè)發(fā)展?fàn)顩r[J].農(nóng)機(jī)科技推廣， 2020（8）：8-9， 15.

[8] 高學(xué)杰.高產(chǎn)奶牛養(yǎng)殖技術(shù)要點(diǎn)與疾病防控[J].畜禽業(yè)， 2022， 33（3）：128-130.

[9] 滕光輝.畜禽設(shè)施精細(xì)養(yǎng)殖中信息感知與環(huán)境調(diào)控綜述[J].智慧農(nóng)業(yè)， 2019， 1（3）：1-12.

TENG" G. Information" sensing" and" environment" con‐trol" of precision" facility" livestock" and" poultry" farm ‐ing[J]. Smart Agriculture， 2019， 1（3）：1-12.

[10]趙春江.智慧農(nóng)業(yè)發(fā)展現(xiàn)狀及戰(zhàn)略目標(biāo)研究[J].智慧農(nóng)業(yè)， 2019， 1（1）：1-7.

ZHAO C. State-of-the-art and recommended develop‐mental" strategic" objectives" of" smart" agriculture[J].Smart Agriculture， 2019， 1（1）：1-7.

[11]韓書慶， 張晶， 程國棟， 等.奶牛跛行自動(dòng)識(shí)別技術(shù)研究現(xiàn)狀與挑戰(zhàn)[J].智慧農(nóng)業(yè)（中英文）， 2020， 2（3）：21-36.

HAN S， ZHANG J， CHENG G， et al. Current state and challenges" of" automatic" lameness" detection" in" dairy cattle[J]. Smart Agriculture， 2020， 2（3）：21-36.

[12]徐文嬌， 董彥君， 董玉蘭， 等.不同年齡段奶牛臨床參數(shù)和血常規(guī)生理指標(biāo)調(diào)查分析[J].中國獸醫(yī)雜志 ， 2017， 53（10）：28-30.

XU W， DONG Y， DONG Y， et al. Different age para‐ graph" the" cow" clinical" parameters" and" routine" blood physiological index analysis[J]. Chinese Journal of Vet‐ erinary Medicine， 2017， 53（10）：28-30.

[13]吳宇峰， 李一鳴， 趙遠(yuǎn)洋， 等.基于計(jì)算機(jī)視覺的奶牛體況評(píng)分研究綜述[J].農(nóng)業(yè)機(jī)械學(xué)報(bào) ， 2021， 52（S1）：268-275.

WU Y， LI Y， ZHAO Y， et al. Review" of research on body condition score for dairy cows based on comput‐ er vision[J]. Transactions of the CSAM， 2021， 52（S1）：268-275.

[14]張小栓， 張夢杰， 王磊， 等.畜牧養(yǎng)殖穿戴式信息監(jiān)測技術(shù)研究現(xiàn)狀與發(fā)展分析[J].農(nóng)業(yè)機(jī)械學(xué)報(bào) ， 2019， 50（11）：1-14.

ZHANG X， ZHANG M， WANG L， et al. Research sta‐ tus and development analysis of wearable information monitoring technology in animal husbandry[J]. Trans‐ actions of the CSAM， 2019， 50（11）：1-14.

[15]李勝利， 姚琨， 曹志軍， 等.2021年奶牛產(chǎn)業(yè)技術(shù)發(fā)展報(bào)告[J].中國畜牧雜志， 2022， 58（3）：239-244.

LI S， YAO K， CAO Z， et al. Technical development re‐ port of the dairy industry in 2021[J]. Chinese Journal of Animal Science， 2022， 58（3）：239-244.

[16] STAJNKO D， BRUS M， HO?EVAR M. Estimation ofbull" live" weight" through" thermographically" measured body dimensions[J]. Computers and Electronics in Ag‐ riculture， 2008， 61（2）：233-240.

[17] TA?DEMIR" ? ， üRKMEZ A， ?NAL" ? . A fuzzy rule-based system for predicting the live weight of Holstein cows whose body dimensions were determined by im ‐ age analysis[J]. Turkish Journal of Electrical Engineer‐ ing amp; Computer Sciences， 2011， 19（4）：689-703.

[18]郭浩， 張勝利， 馬欽， 等.基于點(diǎn)云采集設(shè)備的奶牛體尺指標(biāo)測量[J].農(nóng)業(yè)工程學(xué)報(bào)， 2014， 30（5）：116-122.

GUO H， ZHANG S， MA Q， et al. Cow body measure‐ ment" based" on" Xtion[J]. Transactions" of the" CSAE， 2014， 30（5）：116-122.

[19] MARINELLO F， PEZZUOLO A， CILLIS D， et al. Ap‐plication of Kinect-Sensor for three-dimensional body measurements" of cows[C]//7th European" Conference on Precision Livestock Farming， ECPLF 2015. Milan， Italy： European" Conference" on" Precision" Livestock Farming， 2015：661-669.

[20] NIR O， PARMET Y， WERNER D， et al.3D Computer-vision" system" for" automatically" estimating" heiferheight" and" body" mass[J]. Biosystems" Engineering，2018， 173：4-10.

[21] PEZZUOLO A， GUARINO M， SARTORI L， et al. Afeasibility study on the use of a structured light depth-camera" for" three-dimensional" body" measurements" ofdairy cows in free-stall barns[J]. Sensors， 2018， 18（3）：ID 673.

[22] LE COZLER Y， ALLAIN C， CAILLOT A， et al. High-precision scanning system for complete 3D cow bodyshape imaging and analysis of morphological traits[J].Computers and Electronics in Agriculture， 2019， 157：447-453.

[23]李琦， 劉偉， 趙建敏.基于雙目視覺及 Mask RCNN的牛體尺無接觸測量[J].黑龍江畜牧獸醫(yī) ， 2020（12）：46-50.

LI Q， LIU W， ZHAO J. Non-contact measurement ofbovine body size based on binocular vision and MaskRCNN [J]. Heilongjiang" Animal" Science" and" Veteri‐nary Medicine， 2020（12）：46-50.

[24]初夢苑.基于三維重建的奶牛體尺檢測與體重預(yù)估研究[D].保定：河北農(nóng)業(yè)大學(xué)， 2020.

CHU M. Research on body measurement and weightestimation of cows based on 3D reconstruction[D]. Ba‐oding： Hebei Agricultural University， 2020.

[25] KAMCHEN S G， SANTOS E FDOS， LOPES L B， etal. Application of depth sensor to estimate body massand" morphometric" assessment" in" Nellore" heifers[J].Livestock Science， 2021， 245： ID 104442.

[26] ZHANG J， ZHUANG Y， JI H，" et" al. Pig weight" andbody size estimation using a multiple output regressionconvolutional neural network： A fast and fully automat‐ic method[J]. Sensors， 2021， 21（9）： ID 3218.

[27] GUO H， MA X， MA Q， et al. LSSA_CAU： An interac‐tive 3D point clouds analysis software for body mea‐surement" of livestock with" similar" forms" of cows" orpigs[J]. Computers" and" Electronics" in" Agriculture，2017， 138：60-68.

[28] FORBES A， DE OLIVEIRA M， DENNIS M R. Struc‐tured light[J]. Nature Photonics， 2021， 15（4）：253-262.

[29] HEINRICHS A J， ROGERS G W， COOPER J B. Pre‐dicting body weight and wither height in Holstein heif‐ers using body measurements[J]. Journal of Dairy Sci‐ence， 1992， 75（12）：3576-3581.

[30] LESOSKY M， DUMAS S， CONRADIE I， et al. A liveweight-heart" girth relationship" for" accurate" dosing" ofeast African shorthorn zebu cattle[J]. Tropical AnimalHealth and Production， 2012， 45（1）：311-316.

[31]劉忠超， 范偉強(qiáng)， 何東健.奶牛體溫檢測研究進(jìn)展[J].黑龍江畜牧獸醫(yī)， 2018（19）：41-44.

LIU Z， FAN W， HE D. Research progress of body tem ‐perature detection in dairy cows[J]. Heilongjiang Ani‐mal Science and Veterinary Medicine， 2018（19）：41-44.

[32]何東健， 宋子琪.基于熱紅外成像與骨架樹模型的奶牛眼溫自動(dòng)檢測[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)， 2021， 52（3）：243-250.

HE" D，" SONG Z. Automatic" detection" of dairy" cow's eye" temperature" based" on" thermal" infrared" imaging technology and skeleton tree model[J]. Transactions of the CSAM， 2021， 52（3）：243-250.

[33]張磊， 董茹月， 侯宇， 等.奶牛體溫評(píng)價(jià)指標(biāo)及測定方法研究進(jìn)展[J].動(dòng)物營養(yǎng)學(xué)報(bào)， 2020， 32（2）：548-557.

ZHANG L， DONG R， HOU Y， et al. Research progress on evaluation indices and measurements of body tem ‐ perature in dairy cows[J]. Chinese Journal of Animal Nutrition， 2020， 32（2）：548-557.

[34] CUTHBERTSON" H，" TARR" G，" GONZáLEZ" L" A.Methodology" for" data" processing" and" analysis" tech‐ niques of infrared video thermography used to measure cattle temperature in real time[J]. Computers and Elec‐ tronics in Agriculture， 2019， 167： ID 105019.

[35] WILLARD S， DRAY S， FARRAR R， et al. Use of in‐frared thermal imaging to quantify dynamic changes in body temperature" following" lipopolysaccharide （LPS） administration in dairy cattle[J]. Journal of Animal Sci‐ ence， 2007， 85： ID26.

[36] HOFFMANN" G，" SCHMIDT" M，" AMMON" C，" et" al.Monitoring the body temperature of cows" and calves using video recordings from an infrared thermography camera[J]." Veterinary" Research" Communications， 2013， 37（2）：91-99.

[37] SALLES M S V， SILVA S CDA， SALLES F A， et al.Mapping the body surface temperature of cattle by in‐ frared" thermography[J]. Journal" of Thermal" Biology， 2016， 62：63-69.

[38] PENG D， CHEN S， LI G， et al. Infrared thermographymeasured body surface temperature and its relationship with rectal temperature in" dairy" cows under different temperature-humidity indexes[J]. International Journal of Biometeorology， 2019， 63（3）：327-336.

[39]何金成， 張鮮， 李素青， 等.環(huán)境溫濕度及測量部位對(duì)奶牛紅外熱成像溫度的影響[J].浙江大學(xué)學(xué)報(bào)（農(nóng)業(yè)與生命科學(xué)版）， 2020， 46（4）：500-508.

HE J， ZHANG X， LI S， et al. Effects of ambient tem ‐ perature" and" relative" humidity" and" measurement" site on the" cow's body temperature measured by" infrared thermography[J]. Journal of Zhejiang University （Ag‐ ric.amp; Life Sci.）， 2020， 46（4）：500-508.

[40] JADDOA M A， GONZALEZ L， CUTHBERTSON H，et al. Multiview eye localisation to measure cattle body temperature" based" on" automated" thermal" image" pro‐ cessing" and" computer" vision[J]. Infrared" Physics amp; Technology， 2021， 119： ID 103932.

[41]張旭東， 康熙， 馬麗， 等.基于熱紅外圖像的奶牛乳房炎自動(dòng)檢測方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào) ， 2019， 50（S1）：248-255， 282.

ZHANG X， KANG X， MA L， et al. Automatic detec‐tion method of dairy cow mastitis based on thermal in‐frared image[J]. Transactions of the CSAM， 2019， 50（S1）：248-255， 282.

[42] ZHANG X， KANG X， FENG N， et al. Automatic rec‐ognition of dairy cow mastitis from erthmal images bya deep learning detector[J]. Computers and Electronicsin Agriculture， 2020， 178： ID 105754.

[43]孫雨坤， 岳奎忠， 李文茜， 等.圖像信息技術(shù)在奶牛生產(chǎn)中的應(yīng)用[J].動(dòng)物營養(yǎng)學(xué)報(bào)， 2018， 30（5）：1626-1632.

SUN Y， YUE K， LI W， et al. Application of image infor‐mation technology in dairy cow production[J]. ChineseJournal ofAnimal Nutrition， 2018， 30（5）：1626-1632.

[44] KUZUHARA Y，" KAWAMURA K， YOSHITOSHI" R，et al. A preliminarily study for predicting body weightand milk properties in lactating Holstein cows using athree-dimensional" camera" system[J]. Computers" andElectronics in Agriculture， 2015， 111：186-193.

[45] HANSEN M F， SMITH M L， SMITH L N， et al. Auto‐mated monitoring of dairy cow body condition， mobilityand weight using a single 3D video capture device[J].Computers in Industry， 2018， 98：14-22.

[46] TASDEMIR" S， URKMEZ A， INAL S. Determinationof body measurements on the Holstein cows using digi‐tal image analysis and estimation of live weight withregression" analysis[J]. Computers" and" Electronics" inAgriculture， 2011， 76（2）：189-197.

[47]張立倩.基于模糊逼近計(jì)算視覺算法的奶牛體重測量[J].科技通報(bào)， 2013， 29（11）：149-152.

ZHANG L. The cows weight calculation based on non-measurement" machine" vision[J]. Bulletin" of" Scienceand Technology， 2013， 29（11）：149-152.

[48] SONG X， BOKKERS E A M， VAN DER TOL P P J， etal. Automated body weight prediction of dairy cows us‐ing 3-dimensional vision[J]. Journal of Dairy Science，2018， 101（5）：4448-4459.

[49]牛金玉.基于三維點(diǎn)云的奶牛體尺測量與體重預(yù)測方法研究[D].楊凌：西北農(nóng)林科技大學(xué)， 2018.

NIU J. Body size measurement and weight predictionfor dairy cows based on 3D point cloud[D]. Yangling：Northwest Aamp;F University， 2018.

[50] LE COZLER Y， ALLAIN C， XAVIER C， et al. Volumeand" surface" area" of" Holstein" dairy" cows" calculatedfrom complete 3D shapes acquired using a high-preci‐sion scanning system： Interest for body weight estima‐tion[J]. Computers" and" Electronics" in" Agriculture，2019， 165： ID 104977.

[51]初夢苑， 劉剛， 司永勝， 等.基于三維重建的奶牛體重預(yù)估方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)， 2020， 51（S1）：378-384.

CHU M， LIU G， SI Y， et al. Predicting method of dairycow weight based on three-dimensional reconstruction[J]. Transactions of the CSAM， 2020， 51（S1）：378-384.

[52] MEHMET K， BARDAK?IO?LU H E. Estimation ofbody weight and body condition score in dairy cows bydigital image analysis method[J]. Veterinary Journal of Mehmet Akif Ersoy University， 2021， 6（3）：115-121.

[53]孫曉玉， 韓廣文， 于孟虎，等.荷斯坦牛體尺、體重性狀遺傳參數(shù)的估測及與產(chǎn)奶性能的相關(guān)分析[J].中國奶牛， 1999（3）：39-40.

SUN X， HAN G， YU M， et al. Estimation of genetic parameters of body size and body weight in Holstein cattle and their correlation with milk production perfor‐ mance[J]. China Dairy Cattle， 1999（3）：39-40.

[54] XIANG" Y，" NAKAMURA" S，" TAMARI" H，" et" al.3Dmodel" generation" of" cattle" by" shape-from-silhouette method for ict agriculture[C]//201610th International Conference on Complex， Intelligent， and Software In‐ tensive Systems （CISIS）. Piscataway， New York， USA： IEEE， 2016：611-616.

[55] XAVIER C， LE COZLER Y， DEPUILLE L， et al. Theuse of 3-dimensional imaging of Holstein cows to esti‐ mate" body "weight" and" monitor" the" composition" of body weight change throughout lactation[J]. Journal of Dairy Science， 2022， 105（5）：4508-4519.

[56] RUCHAY A， KOBER V， DOROFEEV K， et al. Com ‐parative" analysis" of machine" learning" algorithms" for predicting live weight of Hereford cows[J]. Computers and Electronics in Agriculture， 2022， 195： ID 106837.

[57]杭孝.早期預(yù)警在奶牛疾病中的應(yīng)用分析[J].今日畜牧獸醫(yī)， 2021， 37（9）：25-26.

[58]季鳳娟.奶牛常見疾病的防治措施[J].畜禽業(yè)， 2022，33（1）：111-112.

[59] HORTET P， SEEGERS H. Loss in milk yield and relat‐ed composition changes resulting from clinical mastitis in" dairy" cows[J]. Preventive" Veterinary" Medicine， 1998， 37（1-4）：1-20.

[60]彭丹丹， 陳健， 趙越， 等.臟污程度對(duì)奶牛乳區(qū)溫度分布規(guī)律的研究[J].畜牧獸醫(yī)學(xué)報(bào) ， 2016， 47（4）：844-851.

PENG D， CHEN J， ZHAO Y， et al. Effect of smudgy degree on temperature distribution of the udder surface in dairy cow[J]. Acta Veterinaria et Zootechnica Sinica， 2016， 47（4）：844-851.

[61] VIGUIER C， ARORA S， GILMARTIN N， et al. Masti‐tis detection： Current trends and future perspectives[J]. Trends in Biotechnology， 2009， 27（8）：486-493.

[62] MIR A Q， BANSAL B K，" GUPTA D K. Subclinicalmastitis" in" machine" milked" dairy" farms" in" Punjab： Prevalence， distribution of bacteria and current antibi‐ ogram[J]. Veterinary World， 2014， 7（5）：291-294.

[63] SCHUKKEN Y H， WILSON D J， WELCOME F， et al.Monitoring udder health and milk quality using somat‐ ic" cell" counts[J]. Veterinary" Research， 2003， 34（5）：579-596.

[64] MAURO Z， VERONICA R， FABIO L， et al. First eval‐uation of infrared thermography as a tool for the moni‐ toring of udder health status in farms of dairy cows[J]. Sensors， 2018， 18（3）： ID 862.

[65]蔡一欣， 馬麗， 劉剛.奶牛隱性乳房炎便攜式計(jì)算機(jī)視覺快速檢測系統(tǒng)設(shè)計(jì)與試驗(yàn)[J].農(nóng)業(yè)工程學(xué)報(bào) ，2017， 33（S1）：63-69.

CAI Y， MA L， LIU G. Design and experiment of rapiddetection system of cow subclinical mastitis based onportable computer vision technology [J]. Transactionsof the CSAE， 2017， 33（S1）：63-69.

[66] VOORT M， JENSEN D， KAMPHUIS C， et al. Invitedreview： Toward" a" common" language" in" data-drivenmastitis" detection" research[J]. Journal" of" Dairy" Sci‐ence， 2021， 104（10）：10449-10461.

[67] LVENDAHL P，" SRENSEN" L P. Frequently" recordedsensor data may correctly provide health status of cowsif" data" are" handled" carefully" and" errors" are" filteredaway [J]. Biotechnology， Agronomy， Society and Envi‐ronment， 2016， 20（1）：3-12.

[68] DENG Z， HOGEVEEN H， LAM T， et al. Performanceof online" somatic" cell" count" estimation" in" automaticmilking" systems[J]. Frontiers" in" Veterinary" Science，2020， 7： ID 221.

[69] JORGENSEN" C" H，" KRISTENSEN" A" R，" OSTER‐GAARD S， et al. Use" of online measures of l-lactatedehydrogenase" for" classification" of" posttreatmentmammary" Staphylococcus" aureus" infection" status" indairy cows[J]. Journal of Dairy Science， 2016， 99（10）：8375-8383.

[70] DALEN" G， RACHAH A， NORSTEBO H， et al. Thedetection of intramammary infections using online so‐matic" cell" counts[J]. Journal" of Dairy" Science， 2019，102（6）：5419-5429.

[71] HOGEVEEN" H，" KAMPHUIS" C，" STEENEVELD" W，et al. Sensors and clinical mastitis： The quest for theperfect alert [J]. Sensors， 2010， 10（9）：7991-8009.

[72] DOMINIAK" K" N，" KRISTENSEN" A" R. Prioritizingalarms" from" sensor-based" detection" models" in" live‐stock" production—A" review" on" model" performanceand alarm reducing methods[J]. Computers and Elec‐tronics in Agriculture， 2017， 133：46-67.

[73] JONES B F， PLASSMANN P. Digital infrared thermalimaging of human skin [J]. IEEE Engineering in Medi‐cine and Biology Magazine， 2002， 21（6）：41-48.

[74] SATHIYABARATHI M， JEYAKUMAR S， MANIMA ‐RAN A， et al. Infrared thermography to monitor bodyand udder skin surface temperature differences in rela‐tion" to" subclinical" and" clinical" mastitis" condition" inKaran fries （bos taurus×bos indicus） crossbred cows[J].Indian" Journal" of" Animal" Sciences， 2018， 88（6）：694-699.

[75]楊春合， 顧憲紅， 曹正輝， 等.奶牛左右乳區(qū)溫度溫差作為隱性乳房炎檢測指標(biāo)的可行性研究[J].畜牧獸醫(yī)學(xué)報(bào)， 2015， 46（9）：1663-1670.

YANG C， GU X， CAO Z， et al. Study on possibility ofleft and right quarter skin temperature difference as a detecting" indicator" for" subclinical" mastitis" in" dairy cows[J]. Acta Veterinaria et Zootechnica Sinica， 2015， 46（9）：1663-1670.

[76]郭艷嬌， 楊圣慧， 遲宇， 等.基于熱紅外圖像的奶牛乳區(qū)溫度分布與乳房炎識(shí)別方法[J].農(nóng)業(yè)工程學(xué)報(bào) ， 2022， 38（2）：250-259.

GUO Y， YANG S， CHI Y， et al. Recognizing mastitis using" temperature" distribution" from" thermal" infrared images" in" cow" udder" regions[J]. Transactions" of the CSAE， 2022， 38（2）：250-259.

[77]王彥超， 康熙， 李孟飛， 等.基于改進(jìn) YOLO v3-tiny的奶牛乳房炎自動(dòng)檢測方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)， 2021，52（S1）：276-283.

WANG Y， KANG X， LI M， et al. Automatic detection method for dairy cow mastitis based on improved YO ‐ LOv3-tiny[J]. Transactions" of" the" CSAM， 2021， 52（S1）：276-283.

[78] HOVINEN M， SIIVONEN J， TAPONEN S， et al. De‐tection of clinical mastitis with the help of a thermal camera[J]. Journal" of" Dairy" Science， 2008， 91（12）：4592-4598.

[79] WOLLOWSKI L， BERTULAT S， KOSSATZ A， et al.Short" communication： Diagnosis" and" classification" of clinical and subclinical mastitis utilizing a dynamome‐ ter and a handheld infrared thermometer[J]. Journal of Dairy Science， 2019， 102（7）：6532-6539.

[80]陳麗媛， 洪小華， 顏培實(shí).我國南方冬季和夏季肉牛體感溫度研究[J].畜牧與獸醫(yī)， 2015， 47（2）：40-44.

CHEN" L，" HONG" X，" YAN" P. Effective" temperature equation of cows during winter and summer seasons in southern" of China[J]. Animal" Husbandry" and" Veteri‐ nary Medicine ， 2015， 47（2）， 40-44.

[81] FRANZE U， GEIDEL S， HEYDE U， et al. Investiga‐tion" of" infrared" thermography" for" automatic" health monitoring in dairy cows[J]. Züchtungskunde， 2012， 84（2）：158-170.

[82] BERRY R J， KENNEDY A D， SCOTT S L， et al. Dailyvariation" in" the" udder" surface" temperature" of" dairy cows measured by infrared thermography： Potential for mastitis detection[J]. Canadian Journal of Animal Sci‐ ence， 2003， 83（4）：687-693.

[83] POURSABERI A， BAHR C， PLUK A， et al. Real-timeautomatic" lameness" detection" based" on" back" posture extraction in dairy cattle： Shape analysis of cow with image processing techniques [J]. Computers and Elec‐ tronics in Agriculture， 2010， 74（1）：110-119.

[84] TADICH" N，" FLOR" E，" GREEN" L. Associations" be‐tween hoof lesions and locomotion score in 1098 un‐ sound dairy cows[J]. The Veterinary Journal， 2010， 184（1）：60-65.

[85] SJ?STR?M K， FALL N， BLANCO-PENEDO I， et al.Lameness prevalence and risk factors in organic dairyherds" in" four" European" countries[J]. Livestock" Sci‐ence， 2018， 208：44-50.

[86] GRIMM K， HAIDN B， ERHARD M， et al. New in‐sights into the association between lameness， behavior，and" performance" in" Simmental" cows[J]. Journal" ofDairy Science， 2019， 102（3）：2453-2468.

[87] AFONSO J S， BRUCE M， KEATING P， et al. Profil‐ing detection and classification of lameness methods inBritish dairy cattle research： A systematic review andmeta-analysis[J]. Frontiers" in" Veterinary" Science，2020， 7：542-562.

[88] SPRECHER D J， HOSTETLER D E， KANEENE J B.A lameness scoring system that uses posture and gait topredict dairy cattle reproductive performance[J]. Theri‐ogenology 1997， 47：1179-1187.

[89] SCHLAGETER-TELLO" A，" BOKKERS" E" A" M，KOERKAMPPW G G， et al. Relation between observedlocomotion traits and locomotion score in dairy cows[J].JournalofDairy Science， 2015， 98（12）：8623-8633.

[90] ALSAAOD" M，" FADUL" M，" STEINER A. Automaticlameness detection in cattle[J]. The Veterinary Journal，2019， 246：35-44.

[91] PIETTE D， NORTON T， EXADAKTYLOS V， et al. In‐dividualised" automated" lameness" detection" in" dairycows and the impact of historical window length on al‐gorithm performance[J]. Animal， 2020， 14（2）：409-417.

[92] POURSABERI A， BAHR C， PLUK A， et al. Real-timeautomatic" lameness" detection" based" on" back" postureextraction in dairy cattle： Shape analysis of cow withimage processing techniques[J]. Computers" and Elec‐tronics in Agriculture， 2010， 74（1）：110-119.

[93]宋懷波， 姜波， 吳倩， 等.基于頭頸部輪廓擬合直線斜率特征的奶牛跛行檢測方法[J].農(nóng)業(yè)工程學(xué)報(bào) ，2018， 34（15）：190-199.

SONG H， JIANG B， WU Q， et al. Detection of dairycow" lameness" based" on" fitting" line" slope" feature" ofhead" and neck" outline[J]. Transactions" of the" CSAE，2018， 34（15）：190-199.

[94] KANG X， ZHANG X D， LIU G. Accurate detection oflameness in dairy cattle with computer vision： A newand individualized detection strategy based on the anal‐ysis of the supporting phase[J]. Journal of Dairy" Sci‐ence， 2020， 103（11）：10628-10638.

[95] JIANG B， SONG H， WANG H， et al. Dairy cow lame‐ness detection using a back curvature feature[J]. Com ‐puters" and" Electronics" in" Agriculture， 2022， 194：106729-106731.

[96] KANG X， LI S， LI Q， et al. Dimension-reduced spatio‐temporal" network" for" lameness" detection" in" dairycows[J]. Computers" and" Electronics" in" Agriculture，2022， 197：106922-106932.

[97] VIAZZI S， BAHR C， HERTEM TVAN， et al. Compari‐son of a three-dimensional and two-dimensional cam ‐era system for automated measurement of back posture in dairy cows[J]. Computers and Electronics in Agricul‐ ture， 2014， 100：139-147.

[98] JABBAR K A， HANSEN M F， SMITH M L， et al. Ear‐ly and non-intrusive lameness detection in dairy cows using 3-dimensional video[J]. Biosystems Engineering， 2017， 153：63-69.

[99] ALSAAOD M， BüSCHER W. Detection of hoof lesionsusing" digital" infrared thermography" in" dairy" cows[J]. Journal of Dairy Science， 2012， 95（2）：735-742.

[100] ALSAAOD" M，" SYRING" C，" DIETRICH" J，" et" al. A field trial of infrared thermography as a non-invasive diagnostic tool for early detection of digital dermatitis in dairy cows[J]. The Veterinary Journal， 2014， 199（2）：281-285.

[101]康熙， 李樹東， 張旭東， 等.基于熱紅外視頻的奶牛跛行運(yùn)動(dòng)特征提取與檢測[J].農(nóng)業(yè)工程學(xué)報(bào) ， 2021， 37（23）：169-178.

KANG X， LI S， ZHANG X， et al. Features extraction and" detection" of cow" lameness" movement" based" on thermal infrared videos[J]. Transactions of the CSAE， 2021， 37（23）：169-178.

[102] FLOWER" F" C，" SANDERSON" D" J，" WEARY" D" M. Hoof" pathologies" influence" kinematic" measures" of dairy cow gait[J]. Journal of Dairy" Science， 2005， 88（9）：3166-3173.

[103]RUTTEN C J， VELTHUIS A G J， STEENEVELD W， et al. Invited review： Sensors to support health manage‐ ment" on" dairy" farms[J]. Journal" of" Dairy" Science， 2013， 96（4）：1928-1952.

[104] JIANG" B，" WU" Q，" YIN" X，" et" al. FLYOLOv3 deep learning for key parts of dairy cow body detection[J]. Computers and Electronics in Agriculture， 2019， 166：104982-104990.

[105]OKURA F， IKUMA S， MAKIHARA Y， et al. RGB-D video-based individual identification of dairy cows us‐ ing gait and texture analyses[J]. Computers and Elec‐ tronics in Agriculture， 2019， 165：104944-104953.

[106] BEGGS D S， JONGMAN E C， HEMSWORTH P H， et al. Lame cows on Australian dairy farms： A compari‐ son of farmer-identified lameness and formal lameness scoring， and the position of lame cows within the milk‐ ing" order[J]. Journal" of Dairy" Science， 2019， 102（2）：1522-1529.

[107] VIAZZI" S，" BAHR" C，" SCHLAGETER-TELLO A，" et al. Analysis" of" individual" classification" of" lameness using" automatic" measurement" of" back" posture" in dairy cattle[J]. Journal of Dairy Science， 2013， 96（1）：257-266.

[108] WEIGELE H C， GYGAX L， STEINER A， et al. Mod‐ erate lameness leads to marked behavioral changes in dairy cows[J]. Journal of Dairy Science， 2018， 101（3）：2370-2382.

[109] JONES B W. Behavioral gait change characterizationand detection using precision dairy monitoring technol‐ogies[D]. Lexington： University of Kentucky， 2017.

[110]NUFFEL" AVAN，" ZWERTVAEGHER" I，" WEYEN ‐BERG" SVAN，" et" al. Lameness" de-tection" in" dairycows： Part 2. Use of sensors to automatically registerchanges" in" locomotion" or" behavior. Animals （Basel）2015， 5， 861-885.

[111] BERCKMANS D， BAHR" C， LEROY T，" et" al. Auto‐matic detection of lameness in dairy cattle—Analyzingimage parameters related to lameness[C]//8th Interna‐tional Livestock Environment Symposium， ILES VIII.St. Joseph， Michigan， USA： American Society of Agri‐cultural and Biological Engineers， 2008：949-956.

[112] SONG X， LEROY T， VRANKEN E， et al. Automaticdetection" of" lameness" in" dairy" cattle—Vision-basedtrackway" analysis" in" cow's" locomotion[J]. Computersand Electronics in Agriculture， 2008， 64（1）：39-44.

[113]PLUK A， BAHR C， POURSABERI A，et al. Automaticmeasurement of touch and release angles of the fetlockjoint for lameness detection in dairy cattle using visiontechniques[J]. Journal" of Dairy" Science， 2012， 95（4）：1738-1748.

[114] RADOSTITS O M， GAY C C， HINCHCLIFF K W， etal. Veterinary medicine： A textbook of the diseases ofcattle， horses， sheep， pigs and goats[M]. London： Saun‐ders Ltd.， 2007.

[115]POURSABERI A，" BAHR" C，" PLUK A，" et" al. Onlinelameness" detection" in" dairy" cattle" using" body" move‐ment pattern （BMP）[C]// The 11th International Con‐ference" on" Intelligent" Systems" Design" and" Applica‐tions. Piscataway，" New" York，" USA： IEEE， 2011：732-736.

[116] ZHAO" K，" BEWLEY" J" M，" HE" D，" et" al. Automaticlameness detection in dairy cattle based on leg swinganalysis with an image processing technique[J]. Com ‐puters" and" Electronics" in" Agriculture， 2018， 148：226-236.

[117] JIANG" B，" SONG" H，" HE" D. Lameness" detection" ofdairy cows based on a double normal background sta‐tistical model[J]. Computers" and" Electronics" in Agri‐culture， 2019， 158：140-149.

[118]康熙， 張旭東， 劉剛， 等.基于機(jī)器視覺的跛行奶牛牛蹄定位方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)， 2019， 50（S1）：276-282.

KANG X， ZHANG X， LIU G， et al. Hoof location meth‐od" of lame" dairy" cows" based" on" machine" vision[J].Transactions of the CSAM， 2019（S1）：276-282.

[119] SCHLAGETER-TELLO" A，" HERTEM" TVAN，" BOK ‐KERS E A M， et al. Performance of human observersand" an" automatic 3-dimensional" computer-vision-based" locomotion" scoring" method" to" detect "lamenessand hoof lesions in dairy cows[J]. Journal of Dairy Sci‐ence， 2018， 101（7）：6322-6335.

[120] PIETTE D， NORTON T， EXADAKTYLOS V， et al. In‐ dividualised" automated" lameness" detection" in" dairy cows and the impact of historical window length on al‐ gorithm" performance[J]." Animals. 2020，" 14（2）：409-417.

[121] O'LEARY N W， BYRNE D T， O'CONNOR A H， et al. Invited review： Cattle lameness detection with acceler‐ ometers[J]. Journal" of" Dairy" Science， 2020， 103（5）：3895-3911.

[122]張珂， 吳志明， 閆若潛， 等.奶牛養(yǎng)殖場生物安全體系建設(shè)的現(xiàn)狀、問題及對(duì)策[J].動(dòng)物醫(yī)學(xué)進(jìn)展 ， 2016，37（7）：110-114.

ZHANG K， WU M， YAN R， et al. Current situation，problems and countermeasures for construction of bios‐ecurity system in dairy farms[J]. Progress in VeterinaryMedicine， 2016， 37（7）：110-114.

[123]閆河， 陳曉暾.我國電子信息制造業(yè)出廠價(jià)格指數(shù)特征探究[J].價(jià)格理論與實(shí)踐， 2015（10）：75-77.

[124] KANG X， ZHANG X， LIU G. A review： Developmentof computer vision-based lameness detection for dairycows" and" discussion" of the" practical" applications[J].Sensors， 2021， 21（3）：753.

Advances and Challenges in Physiological Parameters Monitoring and Diseases Diagnosing of Dairy CowsBased on Computer Vision

KANG Xi1，2，3 ， LIU Gang1，2* ， CHU Mengyuan1，2 ， LI Qian1，2 ， WANG Yanchao1，2

（1. Key Lab of Smart Agriculture Systems， Ministry of Education， China Agricultural University， Beijing 100083，" China;2. Key Laboratory of Agricultural Information Acquisition Technology， Ministry of Agriculture and Rural Af‐fairs， China Agricultural University， Beijing 100083， China;3. School of Computing and Data Engineering， Ning‐boTech University， Ningbo 315200， China ）

Abstract： Realizing the construction of intelligent farming by using advanced information technology， thus improving the living welfare of dairy cows and the economic benefits of dairy farms has become an important goal and task in dairy farming research field. Computer vision technology has the advantages of non-contact， stress-free， low cost and high throughput，" and has a broad application prospect in animal production. On the basis of describing the importance of computer vision technology in the devel‐ opment of intelligent farming industry， this paper introduced the cutting-edge technology of cow physiological parameters and disease diagnosis based on computer vision， including cow temperature monitoring， body size monitoring， weight measurement， mastitis detection and lameness detection. The introduction coverd the development process of these studies， the current main‐ stream techniques， and discussed the problems and challenges in the research and application of related technology， aiming at the problem that the current computer vision-based detection methods are susceptible to individual difference and environmen‐ tal changes. Combined with the development status of farming industry， suggestions on how to improve the universality of com ‐ puter vision technology in intelligent farming industry， how to improve the accuracy of monitoring cows' physiological parame‐ ters and disease diagnosis， and how to reduce the influence of environment on the system were put forward. Future research work should focus on research and developmentof algorithm， make full use of computer vision technology continuous detection and the advantage of large amount of data， to ensure the accuracy of the detection， and improve the function of the system inte‐ gration and data utilization， expand the computer vision system function. Under the premise that does not affect the ability of the system， to improve the study on the number of function integration and system function and reduce equipment costs.

Key words： dairy farming; computer vision technology; physiological parameters monitoring; diseases diagnosing; precision livestock farming; intelligent farming