畜禽行為及生理信息的無(wú)損監(jiān)測(cè)技術(shù)研究進(jìn)展

汪開(kāi)英，趙曉洋，何 勇

?

畜禽行為及生理信息的無(wú)損監(jiān)測(cè)技術(shù)研究進(jìn)展

汪開(kāi)英，趙曉洋，何 勇

（浙江大學(xué)生物系統(tǒng)工程與食品科學(xué)學(xué)院，杭州 310058）

畜禽信息主要包括動(dòng)物健康信息、行為信息、情緒信息。禽畜養(yǎng)殖中，準(zhǔn)確高效監(jiān)測(cè)畜禽信息有助于分析動(dòng)物的生理、健康和福利狀況，及時(shí)發(fā)現(xiàn)生病或異常個(gè)體，以減少經(jīng)濟(jì)損失和保障動(dòng)物福利。目前畜禽養(yǎng)殖中主要依靠人工觀察方式獲取畜禽信息，主觀性強(qiáng)且精度低；或者在飼養(yǎng)過(guò)程中采用一些將裝置植入動(dòng)物體內(nèi)或?qū)?dòng)物進(jìn)行手術(shù)的監(jiān)測(cè)手段，造成動(dòng)物應(yīng)激反應(yīng)，有損動(dòng)物福利。無(wú)損監(jiān)測(cè)技術(shù)可以有效減少人力，降低觀察者對(duì)動(dòng)物的影響，減少監(jiān)測(cè)過(guò)程中對(duì)動(dòng)物造成的損傷與應(yīng)激反應(yīng)，提高動(dòng)物福利。隨著信息技術(shù)的進(jìn)步，畜禽信息無(wú)損監(jiān)測(cè)技術(shù)也在不斷發(fā)展。該文闡述了畜禽養(yǎng)殖中傳感器監(jiān)測(cè)、圖像監(jiān)測(cè)及聲音監(jiān)測(cè)3種無(wú)損監(jiān)測(cè)技術(shù)在獲取畜禽信息方面的研究與應(yīng)用現(xiàn)狀，并分析3種無(wú)損監(jiān)測(cè)技術(shù)的優(yōu)劣。傳感器監(jiān)測(cè)技術(shù)發(fā)展較其他2種技術(shù)相對(duì)更加成熟，應(yīng)用也更加廣泛，可用來(lái)監(jiān)測(cè)動(dòng)物飲食、行為姿態(tài)等，但適合動(dòng)物穿戴、可長(zhǎng)期高效工作的傳感器節(jié)點(diǎn)技術(shù)有待突破；圖像監(jiān)測(cè)技術(shù)利用前景提取、模式識(shí)別等方法對(duì)動(dòng)物圖像進(jìn)行分析，可進(jìn)行動(dòng)物行為識(shí)別、質(zhì)量估計(jì)等，對(duì)動(dòng)物影響最小。但目前算法還不成熟，裝置受環(huán)境干擾較大，因此應(yīng)用有限；聲音監(jiān)測(cè)技術(shù)起步較晚，受限于環(huán)境噪聲的影響，識(shí)別正確率較低，但在動(dòng)物行為監(jiān)測(cè)、疾病預(yù)警、情緒識(shí)別、飲食監(jiān)測(cè)等方面均有較好的應(yīng)用前景。該文還展望了畜禽信息無(wú)損監(jiān)測(cè)技術(shù)未來(lái)精準(zhǔn)、高效、智能、經(jīng)濟(jì)的發(fā)展趨勢(shì)。

傳感器；監(jiān)測(cè)；動(dòng)物；禽畜養(yǎng)殖；無(wú)損監(jiān)測(cè)；動(dòng)物福利；圖像；聲音

0 引 言

畜牧業(yè)是中國(guó)農(nóng)業(yè)增效、農(nóng)民增收的重要產(chǎn)業(yè)，近年來(lái)取得了長(zhǎng)足的進(jìn)展[1]，現(xiàn)代畜禽養(yǎng)殖業(yè)的規(guī)?；图s化快速發(fā)展，可與此同時(shí)畜禽疫病暴發(fā)、環(huán)境惡化及動(dòng)物行為異常等動(dòng)物健康福利問(wèn)題也越來(lái)越嚴(yán)重。研究發(fā)現(xiàn)改善動(dòng)物福利對(duì)降低應(yīng)激水平、增強(qiáng)動(dòng)物機(jī)體免疫機(jī)能、滿足動(dòng)物行為需求、提高生產(chǎn)性能和繁殖性能及提高動(dòng)物產(chǎn)品品質(zhì)等方面有著重要的作用[2]。因此，監(jiān)測(cè)動(dòng)物健康狀況、行為、生理及心理狀態(tài)等畜禽信息，進(jìn)行疾病預(yù)警，加強(qiáng)動(dòng)物養(yǎng)殖環(huán)節(jié)的科學(xué)管理對(duì)改善動(dòng)物福利狀況顯得尤為重要。在各種畜禽信息獲取手段中，有些方法會(huì)對(duì)動(dòng)物的身體造成損傷或者對(duì)其造成應(yīng)激反應(yīng)，不利于保證其福利水平。如將體溫計(jì)插入肛門(mén)[3]測(cè)量豬的直腸溫度、采集豬血樣化驗(yàn)血液[4]等一些常規(guī)監(jiān)測(cè)方法，以及飼養(yǎng)中運(yùn)用最廣泛的人工觀察法，不僅效率低下，還易造成畜禽的應(yīng)激反應(yīng)。隨著科學(xué)技術(shù)的進(jìn)步，禽畜個(gè)體信息智能化監(jiān)測(cè)技術(shù)不斷發(fā)展，陳廣林等[5]設(shè)計(jì)了一種將檢測(cè)器放置于臨產(chǎn)母豬產(chǎn)道內(nèi)的母豬分娩報(bào)警裝置，進(jìn)行母豬分娩監(jiān)測(cè)；Krizanac等[6]把帶有探頭的測(cè)溫氣管插進(jìn)麻醉后豬的呼吸道內(nèi)測(cè)量體溫。但這些方法不僅工作量大，且容易對(duì)被監(jiān)測(cè)動(dòng)物造成損傷。

無(wú)損監(jiān)測(cè)是指在不損害或不影響被監(jiān)測(cè)對(duì)象、不傷害被監(jiān)測(cè)對(duì)象的前提下，借助現(xiàn)代技術(shù)和設(shè)備對(duì)監(jiān)測(cè)對(duì)象內(nèi)部及表面的結(jié)構(gòu)、性質(zhì)、狀態(tài)等進(jìn)行監(jiān)控和測(cè)試的方法。如采用視覺(jué)圖像技術(shù)對(duì)肉雞、火雞等家禽肉質(zhì)、顏色[7]及活豬的瘦肉率[8]等參數(shù)進(jìn)行監(jiān)測(cè)，利用紅外光譜監(jiān)測(cè)牛奶產(chǎn)量[9]及成分[10-11]以判斷奶牛生理狀態(tài)等對(duì)畜產(chǎn)品的無(wú)損監(jiān)測(cè)。

畜牧業(yè)逐漸向以動(dòng)物為中心的精細(xì)畜牧業(yè)方向轉(zhuǎn)型，無(wú)損監(jiān)測(cè)技術(shù)充分考慮禽畜感受，給予其人性化關(guān)懷，符合精細(xì)畜牧業(yè)保障和改善動(dòng)物福利的理念。當(dāng)前國(guó)內(nèi)外一些學(xué)者對(duì)養(yǎng)殖過(guò)程中畜禽信息無(wú)損監(jiān)測(cè)技術(shù)進(jìn)行了大量研究，通過(guò)精準(zhǔn)獲取畜禽信息研究動(dòng)物生理、健康、福利狀況。

目前已有部分無(wú)損監(jiān)測(cè)研究成果運(yùn)用于畜禽養(yǎng)殖中動(dòng)物疾病預(yù)警、畜禽舍環(huán)境調(diào)控以及飼喂計(jì)劃制定。本文重點(diǎn)介紹分析國(guó)內(nèi)外包括傳感器監(jiān)測(cè)、圖像監(jiān)測(cè)及聲音監(jiān)測(cè)3種無(wú)損監(jiān)測(cè)技術(shù)在禽畜養(yǎng)殖中的應(yīng)用現(xiàn)狀及問(wèn)題，并展望其發(fā)展方向，為國(guó)內(nèi)開(kāi)展畜牧業(yè)的智能化無(wú)損監(jiān)測(cè)技術(shù)研究提供參考。

1 傳感器監(jiān)測(cè)技術(shù)

傳感器技術(shù)是指通過(guò)使用傳感設(shè)備，將一些難以直接測(cè)量的數(shù)據(jù)轉(zhuǎn)換為易測(cè)量信息（通常為電信號(hào)）輸出的技術(shù)。通過(guò)傳感器技術(shù)，可以實(shí)現(xiàn)多種數(shù)據(jù)的實(shí)時(shí)測(cè)量，為信息的集成創(chuàng)造了條件。目前利用傳感器監(jiān)測(cè)動(dòng)物健康福利信息主要包括動(dòng)物生理指標(biāo)（體溫、心率等）信息及行為（休息、散步、快走等）信息2類(lèi)[12]，其一般流程如圖1。本文主要闡述動(dòng)物行為信息的傳感器監(jiān)測(cè)技術(shù)研究現(xiàn)狀。

圖1 傳感器監(jiān)測(cè)一般流程

1.1 畜禽日常行為監(jiān)測(cè)

畜禽的行為是指畜禽的活動(dòng)形式、發(fā)聲和身體姿勢(shì)，以及外表上可辨認(rèn)的變化[13]。分析畜禽行為能夠了解其心理及生理狀況，有利于建立行為模型，并監(jiān)測(cè)其異常行為，以便于采取相應(yīng)措施，減少經(jīng)濟(jì)損失。

動(dòng)物采食、飲水、排泄3大行為可用于預(yù)測(cè)其異常狀況，是畜牧人員最為關(guān)注的動(dòng)物行為。其中，動(dòng)物飲水、采食行為是判斷其生長(zhǎng)狀態(tài)以及健康狀況的重要依據(jù)。反芻動(dòng)物的采食量信息是其健康和生產(chǎn)所需營(yíng)養(yǎng)物質(zhì)的量化基礎(chǔ)[14]，因此準(zhǔn)確獲取其采食量信息對(duì)于反芻動(dòng)物的養(yǎng)殖有重要意義。目前大部分奶牛采食量測(cè)定方法是針對(duì)奶牛群體進(jìn)行，針對(duì)奶牛個(gè)體的采食量測(cè)定難以達(dá)到理想效果。田富洋等[15]將高頻反射渦流傳感器與單片機(jī)結(jié)合檢測(cè)奶牛采食量。該裝置根據(jù)奶牛在采食、反芻和吞咽時(shí)其眼角偏上方的顳窩部振動(dòng)的不同規(guī)律，通過(guò)分析傳感器高電平信號(hào)持續(xù)的脈沖時(shí)間計(jì)算奶牛的吞咽次數(shù)，從而判定奶牛的采食量；動(dòng)物飲水行為同樣反映其生長(zhǎng)率以及健康狀況，但人工觀察動(dòng)物的飲水行為主觀性強(qiáng)，且效率低下。Andersen等[16]采用射頻識(shí)別讀取器監(jiān)測(cè)記錄豬只前去飲水的次數(shù)、飲水時(shí)間以及飲水量等指標(biāo)從而研究豬飲水行為并識(shí)別生病豬只。試驗(yàn)發(fā)現(xiàn)必須排除豬只之間競(jìng)爭(zhēng)飲水等外界因素的干擾才可通過(guò)監(jiān)測(cè)飲水行為的方式判斷患病豬只；Meiszberg等[17]利用水流量傳感器自動(dòng)分析仔豬飲水的持續(xù)時(shí)間及頻率。研究結(jié)果表明采用水流量傳感器進(jìn)行仔豬飲水行為監(jiān)測(cè)結(jié)果的精確度高于人工觀察；Kruse等[18]以大白、德國(guó)當(dāng)?shù)刎i以及它們的雜交品種母豬為研究對(duì)象，采用小波分析識(shí)別因動(dòng)物健康問(wèn)題引起的飲水量變化，并區(qū)分健康和疾病母豬。試驗(yàn)結(jié)果表明識(shí)別飲水量不同可判斷母豬是否生病；陸明洲等[19]利用RFID射頻識(shí)別技術(shù)、紅外探測(cè)技術(shù)、無(wú)線傳感網(wǎng)絡(luò)技術(shù)等設(shè)計(jì)了一套群養(yǎng)母豬飲水行為的自動(dòng)監(jiān)測(cè)系統(tǒng)。該系統(tǒng)通過(guò)測(cè)定群養(yǎng)母豬個(gè)體的飲水頻率和飲水量，實(shí)現(xiàn)母豬飲水行為的實(shí)時(shí)遠(yuǎn)程監(jiān)測(cè)目標(biāo)。該系統(tǒng)解決了群養(yǎng)方式下母豬個(gè)體飲水行為難以自動(dòng)監(jiān)測(cè)的問(wèn)題，但無(wú)法排除母豬由于戲水而浪費(fèi)水量的影響；Puma等[20]在家禽喂食飲水站點(diǎn)配備精密電子天平監(jiān)測(cè)肉雞在不同環(huán)境下飲水行為的變化，有助于養(yǎng)殖人員制定合理的喂水方案。

準(zhǔn)確高效獲取動(dòng)物飲食行為有助于工作人員制定飼喂計(jì)劃，最大限度發(fā)揮動(dòng)物生長(zhǎng)和繁殖潛力。在監(jiān)測(cè)過(guò)程中工作人員可通過(guò)監(jiān)測(cè)飲食行為異常個(gè)體，識(shí)別疾病個(gè)體。目前針對(duì)養(yǎng)殖環(huán)境變化引起的動(dòng)物飲食行為規(guī)律方面的研究有待深入。

在活動(dòng)行為監(jiān)測(cè)方面，研究人員提出利用三軸加速度傳感器監(jiān)測(cè)養(yǎng)殖動(dòng)物運(yùn)動(dòng)過(guò)程中的三向加速度值并基于此對(duì)動(dòng)物行為進(jìn)行分類(lèi)[21]。Robert等[22]將三軸加速度傳感器固定于牛腳踝處以實(shí)現(xiàn)遠(yuǎn)程監(jiān)測(cè)牛行走、站立和躺臥等行為，試驗(yàn)表明對(duì)牛躺臥與站立行為識(shí)別正確率分別為99.2%與98%。在識(shí)別過(guò)程中，不同的時(shí)間間隔識(shí)別正確率各不相同，因此合理選擇識(shí)別時(shí)間間隔也非常重要；Watanabe等[23]將三軸加速度傳感器固定在牛下顎部從而監(jiān)測(cè)其下顎運(yùn)動(dòng)特征，進(jìn)而分析牛咬斷草料、咀嚼草料以及休息3種行為；使用被動(dòng)紅外探測(cè)儀可實(shí)時(shí)遠(yuǎn)程監(jiān)測(cè)豬舍豬只個(gè)體信息及行為信息。Ni等[24]在豬舍地面上方2.2 m的墻面上向下傾斜15°安裝被動(dòng)紅外探測(cè)儀監(jiān)測(cè)豬行動(dòng)發(fā)出的紅外輻射從而對(duì)豬舍內(nèi)豬只數(shù)量，年齡以及日?；顒?dòng)進(jìn)行監(jiān)測(cè)。試驗(yàn)結(jié)果表明，豬只在斷奶30～100 d最為活躍，人為的輕微干擾可能會(huì)使豬持續(xù)興奮15～60 min；高云[25]采用基于Zigbee協(xié)議的無(wú)線通信技術(shù)以及RSSI技術(shù)的無(wú)線傳感器網(wǎng)絡(luò)研究豬只的追蹤定位，對(duì)豬靜止、行走以及跑跳3種行為的識(shí)別正確率總體達(dá)100%，但若將跑和跳看作2種行為，該方案無(wú)法準(zhǔn)確識(shí)別這2種行為，識(shí)別正確率僅為80%左右；郭東東等[26]利用三軸加速度傳感器對(duì)山羊典型日常行為特征進(jìn)行識(shí)別研究。試驗(yàn)中分別采用-means均值聚類(lèi)算法和SVM算法對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練、測(cè)試，建立并驗(yàn)證山羊躺臥、站立、慢走、采食的4種典型日常行為模型。試驗(yàn)結(jié)果表明經(jīng)過(guò)SVM算法優(yōu)化后的-means算法識(shí)別正確率比單獨(dú)采用K-means提高近6個(gè)百分點(diǎn)，達(dá)到了92%；Cornou等[27]采用三軸加速度傳感器采集母豬運(yùn)動(dòng)數(shù)據(jù)，運(yùn)用多步驟卡曼濾波方法對(duì)數(shù)據(jù)進(jìn)行分析，對(duì)母豬5種類(lèi)型的行為進(jìn)行識(shí)別并建模。試驗(yàn)結(jié)果表明該方法在行為識(shí)別方面有較好的效果，并可通過(guò)監(jiān)測(cè)母豬分娩前一天的行為偏差預(yù)測(cè)其分娩時(shí)間；尹令等[28]研究人員在奶牛頸部安裝無(wú)線傳感器節(jié)點(diǎn)，通過(guò)各種傳感器獲取奶牛的體溫、呼吸頻率和運(yùn)動(dòng)加速度等參數(shù)，利用無(wú)線傳感網(wǎng)絡(luò)對(duì)奶牛的行為特征進(jìn)行監(jiān)測(cè)。試驗(yàn)中采用均值聚類(lèi)算法對(duì)參數(shù)進(jìn)行識(shí)別，建立奶牛靜止、慢走、爬跨等行為模型，長(zhǎng)時(shí)間監(jiān)測(cè)奶牛的健康狀態(tài)。

對(duì)動(dòng)物日常行為進(jìn)行識(shí)別可以及時(shí)了解動(dòng)物狀態(tài)，從而進(jìn)行精細(xì)養(yǎng)殖管理。但高效準(zhǔn)確識(shí)別動(dòng)物日常行為的前提是構(gòu)建精準(zhǔn)的大樣本數(shù)據(jù)庫(kù)。由于實(shí)際飼養(yǎng)中的畜禽種類(lèi)、年齡的差異性和變化性，因此數(shù)據(jù)庫(kù)的構(gòu)建難度又進(jìn)一步增加。為降低難度，可針對(duì)同種動(dòng)物不同年齡階段下日常行為進(jìn)行研究。

1.2 畜禽發(fā)情行為監(jiān)測(cè)

準(zhǔn)確檢測(cè)動(dòng)物發(fā)情可以有效提高動(dòng)物繁殖效率。Freson等[29]將紅外傳感器安裝在母豬頸部上方50 cm處獲取母豬體表溫度，進(jìn)而分析其運(yùn)動(dòng)量大小。試驗(yàn)中選擇平均日活性作為參數(shù)，識(shí)別發(fā)情母豬，正確率可達(dá)80%；Ostersen等[30]采用RFID技術(shù)監(jiān)測(cè)6 h內(nèi)母豬與公豬互相親近持續(xù)時(shí)間及頻率，實(shí)現(xiàn)母豬發(fā)情的自動(dòng)檢測(cè)。但目前許多豬舍采用人工授精，母豬基本不會(huì)與公豬接觸，因此該方法有一定局限性；吉斯等[31]設(shè)計(jì)了一種母豬發(fā)情檢測(cè)器，將母豬與公豬用圍欄隔開(kāi)，母豬可通過(guò)圍欄上的嗅孔聞到公豬的氣味。該發(fā)明利用發(fā)情母豬體溫升高的原理進(jìn)行母豬發(fā)情監(jiān)測(cè)，通過(guò)安裝在檢測(cè)欄上的探測(cè)器監(jiān)測(cè)母豬停留在嗅孔前的時(shí)間長(zhǎng)短及頻率，并配合溫度檢測(cè)器測(cè)量母豬體溫，綜合判斷母豬是否發(fā)情；汪開(kāi)英等[32]在一家種豬試驗(yàn)場(chǎng)中運(yùn)用紅外傳感器實(shí)時(shí)監(jiān)測(cè)母豬進(jìn)行發(fā)情行為，根據(jù)母豬的日平均活動(dòng)量進(jìn)行發(fā)情鑒定，準(zhǔn)確率為84.2%；胡天劍等[33]發(fā)明一種通過(guò)監(jiān)測(cè)母豬與公豬接觸的頻率，判定母豬發(fā)情的智能檢測(cè)裝置。當(dāng)母豬通過(guò)接觸孔與公豬接觸時(shí)，接觸孔上方的智能閱讀器會(huì)讀取母豬信息并對(duì)發(fā)情的待測(cè)母豬做噴墨標(biāo)記與體溫檢測(cè)。該發(fā)明需要將公豬、母豬均趕到箱體內(nèi)進(jìn)行監(jiān)測(cè)，影響豬場(chǎng)日常工作；Altmann[34]采用紅外傳感器和小型的加速度計(jì)檢測(cè)母豬活動(dòng)量，發(fā)現(xiàn)在發(fā)情期間母豬的活動(dòng)量、呼吸頻率、唾液分泌存在偏差，通過(guò)監(jiān)測(cè)以上偏差行為出現(xiàn)可以綜合判斷母豬是否處于發(fā)情期。準(zhǔn)確高效地檢測(cè)奶牛發(fā)情，能夠提高懷孕機(jī)率、縮短胎間距、提高單頭奶牛的產(chǎn)奶量[35]。尹令等[28]研究人員利用無(wú)線傳感網(wǎng)絡(luò)獲取奶牛的行為參數(shù)，采用K均值聚類(lèi)算法對(duì)參數(shù)進(jìn)行識(shí)別。試驗(yàn)結(jié)果表明，雖然該方法對(duì)多種動(dòng)態(tài)的行為分類(lèi)效果不明顯，但可監(jiān)測(cè)到絕大多數(shù)奶牛發(fā)情前的爬跨行為，可有效判斷奶牛是否發(fā)情；Maatje等[36]在奶牛前后腿分別安裝一個(gè)計(jì)步器，將擠奶時(shí)的奶牛移動(dòng)數(shù)據(jù)傳送到電腦。根據(jù)發(fā)情期的奶牛步數(shù)遠(yuǎn)大于平常的步數(shù)，從而判斷奶牛是否發(fā)情。試驗(yàn)在6個(gè)月內(nèi)對(duì)60頭牛進(jìn)行發(fā)情監(jiān)測(cè)，可識(shí)別75%以上的發(fā)情行為；Jónsson等[37]提出利用計(jì)步器、腿部?jī)A斜傳感器的低成本數(shù)據(jù)來(lái)進(jìn)行奶牛發(fā)情監(jiān)測(cè)。該方法基于廣義似然比值檢驗(yàn)結(jié)合最佳時(shí)間窗口選擇的方法按奶牛躺、站立和走動(dòng)等行為的比例進(jìn)行分類(lèi)，發(fā)情識(shí)別正確率為88.9%；Lovendahl等[38]根據(jù)電子活動(dòng)標(biāo)簽采集的奶牛運(yùn)動(dòng)數(shù)據(jù)將奶牛的運(yùn)動(dòng)簡(jiǎn)單劃分為強(qiáng)運(yùn)動(dòng)和弱運(yùn)動(dòng)2類(lèi)，通過(guò)統(tǒng)計(jì)2類(lèi)運(yùn)動(dòng)在1 d中的比例來(lái)判斷是否發(fā)情。發(fā)情檢測(cè)正確率取決于所選擇的閾值，當(dāng)選擇閾值為0.70時(shí)，監(jiān)測(cè)正確率為98.67%。

動(dòng)物發(fā)情行為監(jiān)測(cè)是畜禽繁殖管理中非常重要的一環(huán)。在動(dòng)物發(fā)情時(shí)進(jìn)行授精可以大幅度提升其受孕幾率，從而發(fā)揮動(dòng)物的繁殖潛力，提高經(jīng)濟(jì)效益。如表1所示，目前針對(duì)動(dòng)物發(fā)情采用傳感器監(jiān)測(cè)技術(shù)有一定的優(yōu)勢(shì)，但存在監(jiān)測(cè)步驟繁瑣、準(zhǔn)確率低等問(wèn)題。設(shè)計(jì)性能穩(wěn)定、成本低廉、使用方便的發(fā)情監(jiān)測(cè)設(shè)備是后續(xù)研究的重點(diǎn)。

表1 動(dòng)物發(fā)情監(jiān)測(cè)技術(shù)對(duì)比

1.3 畜禽地理位置確定

對(duì)于牛羊等放養(yǎng)家畜，獲取其地理位置是開(kāi)展放牧飼養(yǎng)中需要解決的首要難題。應(yīng)用現(xiàn)代科技建立健全放養(yǎng)動(dòng)物監(jiān)測(cè)體系，實(shí)時(shí)準(zhǔn)確地獲取自由放牧下動(dòng)物生存環(huán)境及動(dòng)物活動(dòng)信息，對(duì)于動(dòng)物行為監(jiān)測(cè)有極其重要的意義。

Oudshoorn等[39]將60只荷斯坦奶牛分為3組進(jìn)行試驗(yàn)，分別放牧4、6.5和9 h，釆用無(wú)線傳感器網(wǎng)絡(luò)來(lái)監(jiān)測(cè)奶牛的當(dāng)前位置和在新的牧草區(qū)的吃草時(shí)間。試驗(yàn)發(fā)現(xiàn)，被允許較短時(shí)間吃草的奶牛相對(duì)來(lái)說(shuō)活動(dòng)更積極，速度更快，吃草持續(xù)時(shí)間更長(zhǎng)。但限定放牧?xí)r間長(zhǎng)短對(duì)奶牛排泄頻率并沒(méi)有影響。試驗(yàn)結(jié)果表明，限定放牧?xí)r間在保證牛羊充足的牧草攝入量同時(shí)，減少了牛羊?qū)Νh(huán)境的氮排放量；及時(shí)掌握動(dòng)物排泄物時(shí)空分布可以方便工作人員對(duì)糞便的處理與存儲(chǔ)。White等[40]對(duì)36頭奶牛進(jìn)行24 h位置跟蹤及監(jiān)測(cè)，并分析其糞便及尿液的時(shí)空分布。試驗(yàn)發(fā)現(xiàn)，在暖季飲水器30 m范圍內(nèi)奶牛的糞便與尿液比冷季高很多，除此之外，糞便與尿液在牧場(chǎng)分布較均勻；Butler等[41]為8頭奶牛配備裝有GPS模塊、無(wú)線網(wǎng)絡(luò)模塊和喇叭的智能項(xiàng)圈。奶牛的位置可以通過(guò)距離邊界線的距離來(lái)確定，當(dāng)奶?？拷吔缇€時(shí)，喇叭就會(huì)發(fā)出聲音提示奶牛離開(kāi)，但在試驗(yàn)中發(fā)現(xiàn)，聲音的刺激效果不是特別理想。

準(zhǔn)確、實(shí)時(shí)獲取動(dòng)物地理位置對(duì)于放牧畜禽養(yǎng)殖管理非常關(guān)鍵。大多數(shù)研究者采用無(wú)線傳感器網(wǎng)絡(luò)對(duì)動(dòng)物進(jìn)行定位。無(wú)線傳感器網(wǎng)絡(luò)部署靈活、可靠性強(qiáng)、擴(kuò)展方便、經(jīng)濟(jì)性好，但其在牧場(chǎng)等區(qū)域主要依靠干電池進(jìn)行供電，補(bǔ)充較為困難。因此對(duì)無(wú)線傳感器網(wǎng)絡(luò)進(jìn)行節(jié)能設(shè)計(jì)，減少信息傳輸能耗等方面研究亟待開(kāi)展。

傳感器監(jiān)測(cè)技術(shù)數(shù)據(jù)獲取方式自由，其信息采集與傳輸技術(shù)對(duì)外界的抗干擾能力強(qiáng)、攜帶方便，還可連續(xù)記錄動(dòng)物（特別是散養(yǎng)放牧的動(dòng)物）行為生理信息，為動(dòng)物行為特征分類(lèi)模型的建立提供了有效的行為特征信息[29]。對(duì)于監(jiān)測(cè)到的動(dòng)物行為生理特征信息，可通過(guò)構(gòu)建模式庫(kù)自動(dòng)分析特征信息所蘊(yùn)含的動(dòng)物生理健康狀況，發(fā)現(xiàn)異常個(gè)體進(jìn)行報(bào)警。但是畜牧業(yè)生產(chǎn)環(huán)境復(fù)雜，因此設(shè)計(jì)傳感器必須考慮其工作環(huán)境。在許多情況下，采用動(dòng)物項(xiàng)圈將節(jié)點(diǎn)固定在動(dòng)物頸部是目前最常用的方法[42-44]，但對(duì)于特殊監(jiān)測(cè)目標(biāo)，則應(yīng)靈活調(diào)整位置。同時(shí)為了避免動(dòng)物在躺臥或者相互爭(zhēng)斗時(shí)破壞傳感器節(jié)點(diǎn)，需要提高傳感器的抗壓、抗震性能。

2 圖像監(jiān)測(cè)技術(shù)

養(yǎng)殖業(yè)傳統(tǒng)的圖像監(jiān)測(cè)指的是采用視頻及錄像技術(shù)對(duì)動(dòng)物進(jìn)行圖像采集，之后人工對(duì)視頻及錄像片段分析。該方法減少了人為干擾，從而降低了動(dòng)物應(yīng)激反應(yīng)，但是需要人為進(jìn)行視頻觀察和記錄分析，效率低下[45]?，F(xiàn)在許多研究者已開(kāi)展機(jī)器視覺(jué)獲取畜禽信息的研究，并取得了一定成就。如基于動(dòng)物視頻自動(dòng)分析動(dòng)物行為及動(dòng)物生存舒適度的研究領(lǐng)域[46]，其一般流程如圖2。一般是在畜禽舍頂部安裝攝像機(jī)進(jìn)行圖像采集，采用機(jī)器視覺(jué)模擬人的視覺(jué)功能，從圖像中提取畜禽的相關(guān)特征信息，處理分析后用于飼養(yǎng)管理。

圖2 圖像監(jiān)測(cè)一般流程

2.1 估算動(dòng)物體質(zhì)量

在日常禽畜飼養(yǎng)管理中，體質(zhì)量測(cè)量是其中重要的一環(huán)，飼養(yǎng)者可以根據(jù)動(dòng)物體質(zhì)量變化情況調(diào)整飼料投放計(jì)劃。但因?yàn)槿狈Ψ奖愕姆Q重裝置，畜禽在生長(zhǎng)過(guò)程中很少頻繁的測(cè)量體質(zhì)量[47]。豬場(chǎng)一般采用體質(zhì)量箱測(cè)量豬只體質(zhì)量，不僅費(fèi)時(shí)費(fèi)還易造成豬只的應(yīng)激反應(yīng)，產(chǎn)生如生產(chǎn)性能下降，發(fā)病等嚴(yán)重的不良影響[48]。

研究顯示動(dòng)物的與其體積和投影面積有很大的相關(guān)性[49]，這就表明可以通過(guò)圖像處理的方法來(lái)估算動(dòng)物體質(zhì)量。Schofield等[50]采集飲食時(shí)豬只圖像，結(jié)合電子耳號(hào)識(shí)別個(gè)體，之后利用圖像處理技術(shù)分析豬只的投影面積和體質(zhì)量的關(guān)系，以及隨著日齡的增加體質(zhì)量和相關(guān)形態(tài)參數(shù)的變化趨勢(shì)，誤差不超過(guò)5%。試驗(yàn)發(fā)現(xiàn)，3個(gè)品種的豬的投影面積與體質(zhì)量關(guān)系均可用一條斜率相同的直線去擬合，因此在通過(guò)投影面積估算生豬體質(zhì)量算法中需要增加對(duì)擬合直線縱軸截距的分析；Minagawa等[51]在豬飲水時(shí)采集豬只圖像并測(cè)量了它的投影面積，利用投影在豬身上網(wǎng)格線的視差與體高的非線性關(guān)系近似估算出體高。試驗(yàn)結(jié)果表明，在40至70 kg體質(zhì)量范圍內(nèi)估算平均誤差為2.1%。測(cè)試時(shí)由于增加了紅、黃光譜，減少了可見(jiàn)光中的紫藍(lán)光譜，使豬的圖像與周?chē)h(huán)境和陰影線形成了強(qiáng)烈的對(duì)比，提高了算法正確率；Yang等[52]采集了60頭體質(zhì)量在55～110 kg范圍內(nèi)的長(zhǎng)白豬進(jìn)出豬欄的圖像，采用二值分割法對(duì)圖像進(jìn)行域值分割，并根據(jù)投影區(qū)域與參考系的比例關(guān)系估算得到種豬真實(shí)投影面積和體高與體質(zhì)量的回歸方程。研究發(fā)現(xiàn)除頭部和尾部后剩余身體部分的投影面積和體質(zhì)量的相關(guān)性極大，相關(guān)系數(shù)可達(dá)到0.94，平均相對(duì)誤差為3.2%。該方法可有效用于種豬體質(zhì)量測(cè)量；李卓等[53]設(shè)計(jì)一種基于雙目視覺(jué)原理的豬體尺檢測(cè)系統(tǒng)。該系統(tǒng)可通過(guò)獲取豬體輪廓估算其體質(zhì)量。結(jié)果表明在2 m物距范圍內(nèi)，系統(tǒng)三維檢測(cè)相對(duì)誤差均小于1%，該方法魯棒性較好，不易受到臟污和光照干擾，系統(tǒng)檢測(cè)性能優(yōu)良。

上述研究表明，圖像監(jiān)測(cè)無(wú)接觸測(cè)量動(dòng)物體質(zhì)量的方法是可行的，誤差在可接受范圍內(nèi)。但當(dāng)動(dòng)物的投影面積與建筑物陰影重合時(shí)估算難以進(jìn)行。目前圖像監(jiān)測(cè)估算體質(zhì)量方面的研究對(duì)象主要是豬，而對(duì)其他畜禽研究較少，在反芻動(dòng)物、家禽等動(dòng)物上采用圖像監(jiān)測(cè)技術(shù)估算體質(zhì)量的研究有待開(kāi)展。

2.2 動(dòng)物行為監(jiān)測(cè)

在行為監(jiān)測(cè)方面，Leroy等[54]通過(guò)研究不同時(shí)間序列下家禽姿態(tài)，對(duì)家禽運(yùn)動(dòng)行為進(jìn)行識(shí)別。試驗(yàn)中對(duì)大規(guī)模家禽養(yǎng)殖場(chǎng)中母雞站立、行走、抓撓3種行為進(jìn)行分類(lèi)，并將拍攝到的異常行為圖像傳送到監(jiān)控中心進(jìn)行分析研究；患有腹瀉、腸胃炎動(dòng)物的排泄頻率以及持續(xù)時(shí)間與健康動(dòng)物之間存在差別，因此監(jiān)測(cè)動(dòng)物排泄行為可以有效識(shí)別患病個(gè)體。Richard等[55]在試驗(yàn)中根據(jù)一系列的飲食重量的記錄和監(jiān)控錄像來(lái)確定肉雞和蛋雞的飲食和啄食行為。雖然該技術(shù)不能很好區(qū)分休息、梳理羽毛以及其他活動(dòng)，但用于區(qū)分家禽單純啄的動(dòng)作與真正的采食行為；浦雪峰等[56]設(shè)計(jì)了一種基于高級(jí)RISC微處理器平臺(tái)的病豬行為自動(dòng)監(jiān)測(cè)系統(tǒng)，可24 h監(jiān)控育肥豬的排泄行為。系統(tǒng)通過(guò)識(shí)別像素塊對(duì)稱特征，對(duì)每頭豬身上的號(hào)碼進(jìn)行識(shí)別，定位疑似病豬個(gè)體。試驗(yàn)發(fā)現(xiàn)疑似病豬的豬日平均排泄次數(shù)遠(yuǎn)大于其他豬。在信息傳輸方面，系統(tǒng)采用GPRS無(wú)線傳輸技術(shù)，有效解決了養(yǎng)殖場(chǎng)布線困難的問(wèn)題；Song等[57]在奶牛經(jīng)過(guò)的通道側(cè)方位架設(shè)攝像機(jī)采集其運(yùn)動(dòng)視頻從而研究動(dòng)物腿部的運(yùn)動(dòng)姿態(tài)，同時(shí)監(jiān)測(cè)動(dòng)物是否有跛腳現(xiàn)象。試驗(yàn)測(cè)量值的平均相關(guān)系數(shù)為94.8%，可以有效監(jiān)測(cè)奶牛跛腳現(xiàn)象。

畜禽舍環(huán)境溫度對(duì)動(dòng)物成長(zhǎng)繁殖非常重要，及時(shí)準(zhǔn)確調(diào)節(jié)環(huán)境溫度有助于保證動(dòng)物福利水平提高其生長(zhǎng)效率。Nasirahmadi等[58]根據(jù)豬在不同熱條件下躺臥姿勢(shì)的區(qū)別，結(jié)合圖像三角剖分與多層神經(jīng)網(wǎng)絡(luò)方法將豬躺臥行為分成正常、互相靠近取暖、遠(yuǎn)離降溫3類(lèi)，準(zhǔn)確率達(dá)到95.6%。工作人員可根據(jù)豬躺臥行為不同及時(shí)進(jìn)行環(huán)境溫度調(diào)節(jié)；Shao等[59]采集仔豬在不同溫度房間中的姿勢(shì)圖像，選取了二值圖像的傅里葉參數(shù)、矩、周長(zhǎng)與面積以及前三者的組合特征進(jìn)行圖像識(shí)別。試驗(yàn)發(fā)現(xiàn)采用圖像的傅里葉參數(shù)、矩和周長(zhǎng)與面積三者的組合特征可以體現(xiàn)較好的分類(lèi)性能，訓(xùn)練集與預(yù)測(cè)集正確率分別為99%和90%。該方法可結(jié)合豬體溫、呼吸頻率以及心跳等生理指標(biāo)的測(cè)量判斷仔豬舒適的環(huán)境溫度；Shao等[60]采集豬群睡眠時(shí)的紅外圖像，選取背景前景像素轉(zhuǎn)換頻率、圖像不變矩以及豬群緊密程度作為特征向量，使用最小歐幾里德距離方法區(qū)分環(huán)境溫度寒冷與舒適2種狀況下豬的睡眠姿態(tài)。試驗(yàn)隨機(jī)選取部分圖像進(jìn)行分析，發(fā)現(xiàn)根據(jù)豬群睡眠圖像對(duì)其處于寒冷或舒適環(huán)境的識(shí)別率超過(guò)90%。動(dòng)物行為學(xué)研究表明動(dòng)物活動(dòng)水平的改變與動(dòng)物健康問(wèn)題及福利水平息息相關(guān)。Ott等[61]通過(guò)計(jì)算相鄰2頭豬活動(dòng)圖像幀之間（1幀/s）移動(dòng)像素的相對(duì)數(shù)量，衡量動(dòng)物活動(dòng)水平。該系統(tǒng)監(jiān)測(cè)數(shù)據(jù)與人工觀察結(jié)果整體相關(guān)性很強(qiáng)，相關(guān)系數(shù)達(dá)到0.92；劉龍申等[62]提出了一種基于機(jī)器視覺(jué)的母豬分娩檢測(cè)方法。該方法采用半圓匹配算法排除母豬運(yùn)動(dòng)干擾，并結(jié)合背景減除法識(shí)別運(yùn)動(dòng)仔豬。試驗(yàn)結(jié)果表明改進(jìn)后算法匹配半徑誤差僅為4個(gè)像素，更有利于后期的目標(biāo)識(shí)別；Cangar等[63]分析了8頭奶牛在產(chǎn)犢前的最后幾個(gè)小時(shí)的視頻監(jiān)控圖像，研究了其休息、站立、走步等基本行為對(duì)應(yīng)的主軸線方向、外形輪廓等圖像特征，進(jìn)行基本行為的自動(dòng)識(shí)別。其中站立行為與側(cè)臥行為識(shí)別正確率為85%，進(jìn)食和飲水行為識(shí)別正確率為87%。該方法基本實(shí)現(xiàn)了奶牛行為自動(dòng)識(shí)別功能，但試驗(yàn)中樣本量太少，無(wú)法有效驗(yàn)證算法的普適性；Lao等[64]設(shè)計(jì)了一套配懷舍母豬行為的自動(dòng)視頻監(jiān)控系統(tǒng)，可高效識(shí)別母牛躺臥、站立、坐、飲水、采食等行為，識(shí)別正確率均在90%以上。試驗(yàn)發(fā)現(xiàn)在不同行為之間轉(zhuǎn)換的動(dòng)作識(shí)別正確率較低，可能是樣本數(shù)量不足導(dǎo)致的。該系統(tǒng)可用于檢測(cè)母豬日常行為及異常行為，從而進(jìn)行欄位的設(shè)計(jì)和更改從而提高母豬的舒適度。

奶牛產(chǎn)生應(yīng)激狀態(tài)時(shí)，呼吸會(huì)變得急促，因此，監(jiān)測(cè)奶牛呼吸頻率對(duì)飼養(yǎng)管理有重要的意義。根據(jù)奶牛呼吸腹部起伏的特點(diǎn)，趙凱旋等[65]通過(guò)視頻實(shí)時(shí)比較奶牛腹部變化對(duì)牛只呼吸頻率進(jìn)行監(jiān)測(cè)。試驗(yàn)采用光流法計(jì)算奶牛腹部圖像各像素點(diǎn)的相對(duì)運(yùn)動(dòng)速度，根據(jù)呼吸耗時(shí)檢測(cè)呼吸是否異常。研究表明，該方法有較強(qiáng)魯棒性，周?chē)h(huán)境改變、外物入侵等狀況不會(huì)對(duì)結(jié)果造成太大影響。

目前圖像監(jiān)測(cè)技術(shù)主要用于研究畜禽排泄、飲食、呼吸、分娩等日常行為規(guī)律，以及發(fā)現(xiàn)異常行為進(jìn)行早期預(yù)警。圖像監(jiān)測(cè)技術(shù)較為直觀，大部分情況下工作人員可以通過(guò)圖像直接進(jìn)行行為識(shí)別。但是圖像監(jiān)測(cè)技術(shù)算法還不太成熟，且易受環(huán)境光線影響。

2.3 動(dòng)物體溫監(jiān)測(cè)

動(dòng)物身體表面溫度是由動(dòng)物皮膚與環(huán)境之間進(jìn)行的熱交換決定的，是動(dòng)物身體健康與否的重要指標(biāo)。在許多傳染性疾病中，體溫升高比其他癥狀出現(xiàn)的更早。畜禽的體溫監(jiān)測(cè)和分析有利于及時(shí)發(fā)現(xiàn)疾病的早期癥狀，識(shí)別患有疾病或處于異常行為的動(dòng)物。中國(guó)大部分養(yǎng)殖場(chǎng)和科研機(jī)構(gòu)采用獸用水銀體溫計(jì)人工測(cè)量生豬的直腸溫度，耗時(shí)費(fèi)力，還造成生豬產(chǎn)生較大應(yīng)激，同時(shí)存在人畜交叉感染風(fēng)險(xiǎn)[66-67]。

豬的耳根部溫度變化是生豬生病重要特征之一，確定生豬耳部區(qū)域并無(wú)接觸測(cè)量區(qū)域溫度變化可有效進(jìn)行生豬疾病預(yù)警。朱偉興等[68]研究了基于改進(jìn)主動(dòng)形狀模型的豬耳部目標(biāo)區(qū)域監(jiān)測(cè)方法，結(jié)合紅外和可見(jiàn)光圖像融合算法處理圖像，試驗(yàn)結(jié)果表明84%的自動(dòng)檢測(cè)區(qū)域與手動(dòng)分割區(qū)域重合度大于0.8；周麗萍等[69]采集生豬熱紅外圖像，采用改進(jìn)后的二維Otsu算法提取生豬耳根部區(qū)域特征。試驗(yàn)選取白毛豬為研究對(duì)象，將熱紅外圖像采集器安裝于移動(dòng)喂料車(chē)上采集生豬圖像。結(jié)果表明，該方法對(duì)具有完整耳根部特征的仔豬、育肥豬、妊娠豬圖像可以100%正確檢測(cè)，但對(duì)于特征不完整的圖像則可能無(wú)法檢測(cè)；劉波等[70]采用紅外熱像儀同時(shí)采集生豬紅外熱圖像和可見(jiàn)光圖像，采用射線邊緣點(diǎn)集匹配配準(zhǔn)圖像的方法解決2種異源圖像自動(dòng)配準(zhǔn)問(wèn)題。試驗(yàn)中，采用該算法對(duì)50對(duì)紅外和光學(xué)圖像進(jìn)行了測(cè)試，配準(zhǔn)成功率達(dá)到94%，平均配準(zhǔn)誤差小于1像素；Siewert等[71]采用差分ROI法分析生豬頭部的熱紅外圖像，進(jìn)而檢測(cè)豬頭部表面溫度分布。試驗(yàn)將16頭德國(guó)長(zhǎng)白豬分為3組并注射不同劑量的藥物模擬不同程度的發(fā)燒，另外8頭豬不作任何處理作為對(duì)照組，結(jié)果表明該方法對(duì)于生豬頭部表面溫度分布模擬特異性高達(dá)85%左右，靈敏度高達(dá)86%。但是試驗(yàn)樣本量及種類(lèi)太少，無(wú)法證明該方法在生豬頭部表面溫度模擬的普適性與準(zhǔn)確性；

將機(jī)器視覺(jué)技術(shù)應(yīng)用于動(dòng)物信息監(jiān)測(cè)，可以自動(dòng)實(shí)時(shí)監(jiān)控動(dòng)物行為及生理狀況。相較于其他2種監(jiān)測(cè)技術(shù)，圖像監(jiān)測(cè)對(duì)動(dòng)物活動(dòng)影響相對(duì)較小，在動(dòng)物體質(zhì)量估計(jì)、體溫監(jiān)測(cè)方面有更好的應(yīng)用效果。但是該方法受現(xiàn)場(chǎng)光照環(huán)境以及設(shè)備條件影響較大，適用于監(jiān)測(cè)圈養(yǎng)動(dòng)物信息。同時(shí)，機(jī)器視覺(jué)技術(shù)由于其存在著數(shù)據(jù)量大、處理算法復(fù)雜的瓶頸，制約著信息的實(shí)時(shí)傳輸和處理的速度[72]。另一方面，由于目前圖像處理技術(shù)還不太成熟，在識(shí)別正確率方面有所欠缺?？傮w來(lái)說(shuō)，采用圖像監(jiān)測(cè)技術(shù)監(jiān)控動(dòng)物行為以及生理狀態(tài)以達(dá)到精確飼養(yǎng)和提高動(dòng)物福利的目的不失為一種有效的監(jiān)測(cè)方式。

3 聲音監(jiān)測(cè)技術(shù)

動(dòng)物叫聲與其情緒狀態(tài)、生理健康狀況密切相關(guān)[73]，因此在畜禽飼養(yǎng)中監(jiān)測(cè)、分析動(dòng)物聲音，構(gòu)建聲音監(jiān)測(cè)系統(tǒng)作為農(nóng)場(chǎng)管理工具可實(shí)現(xiàn)動(dòng)物福利和健康水平的自動(dòng)評(píng)估，提高畜牧場(chǎng)工作效率。

動(dòng)物聲音識(shí)別技術(shù)是基于數(shù)字信號(hào)處理技術(shù)、模式識(shí)別理論、前沿信號(hào)采集技術(shù)實(shí)現(xiàn)對(duì)動(dòng)物聲音的識(shí)別并輸出的監(jiān)測(cè)模式[73]。聲音監(jiān)測(cè)流程圖如圖3，將聲音信號(hào)采集后進(jìn)行信號(hào)處理，之后進(jìn)行特征提取，與已建好的數(shù)據(jù)庫(kù)進(jìn)行模式匹配從而識(shí)別叫聲。針對(duì)不同的動(dòng)物種類(lèi)及生存環(huán)境需設(shè)計(jì)不同的聲音采集方案。對(duì)于牛羊等活動(dòng)范圍較廣，性情較溫順的動(dòng)物，可以采用體積較小，便于固定在動(dòng)物軀體上的設(shè)備采集聲音信號(hào)，將信息保存至設(shè)備中的存儲(chǔ)裝置中（圖4a），對(duì)于豬和家禽等活動(dòng)范圍較小、養(yǎng)殖密度較大的動(dòng)物可以在畜禽舍內(nèi)安置麥克風(fēng)，實(shí)時(shí)采集多個(gè)個(gè)體聲音信號(hào)（圖4b）。

圖3 聲音信號(hào)分析一般流程

圖4 聲音監(jiān)測(cè)裝置

聲音采集步驟一般是通過(guò)麥克風(fēng)或聲音采集室完成，盡量確保聲音信號(hào)質(zhì)量；信號(hào)處理步驟對(duì)聲音信號(hào)做適當(dāng)放大和增益控制，并消除干擾信號(hào)。特征提取步驟主要完成諸如頻率、持續(xù)時(shí)間、幅值等反映聲音信號(hào)特點(diǎn)的特征參數(shù)提??；數(shù)據(jù)庫(kù)建立步驟在正式進(jìn)行聲音監(jiān)測(cè)之前，構(gòu)建數(shù)據(jù)庫(kù)獲得表示識(shí)別基本單元如呼吸道疾病、疼痛等共性特點(diǎn)的標(biāo)準(zhǔn)數(shù)據(jù)，從而構(gòu)成參考模板，將識(shí)別后的基本單元作為參考模板結(jié)合在一起形成數(shù)據(jù)庫(kù)。在模式匹配階段，將待識(shí)別的聲音信號(hào)經(jīng)過(guò)特征提取后與數(shù)據(jù)庫(kù)匹配，找出最相近的參考模板對(duì)應(yīng)的基本單元。

目前聲音監(jiān)測(cè)技術(shù)研究主要在動(dòng)物疾病診斷、情緒狀態(tài)識(shí)別、行為監(jiān)測(cè)、進(jìn)食監(jiān)測(cè)、成長(zhǎng)率監(jiān)測(cè)等方面，為畜禽舍智能聲音監(jiān)測(cè)系統(tǒng)開(kāi)發(fā)提供理論基礎(chǔ)。

3.1 疾病診斷

及時(shí)發(fā)現(xiàn)禽畜舍患有疾病動(dòng)物個(gè)體在群體飼養(yǎng)管理中非常重要。聲音監(jiān)測(cè)技術(shù)可通過(guò)持續(xù)、在線監(jiān)測(cè)動(dòng)物聲音，建立智能疾病早期預(yù)警系統(tǒng)。

Guarino等[74]通過(guò)對(duì)近430頭豬進(jìn)行長(zhǎng)達(dá)4 h的聲音信號(hào)采集并分析，最終將咳嗽聲與其他聲音識(shí)別，識(shí)別率高達(dá)86.2%。試驗(yàn)表明，咳嗽聲可作為豬呼吸疾病指標(biāo)；Ferrari等[75-78]通過(guò)臨床檢查篩選并采集染病豬咳嗽聲，接著對(duì)患有感染性疾病豬非感染性疾病豬的咳嗽聲研究。結(jié)果表明上述2種咳嗽聲音信號(hào)的均方根、持續(xù)時(shí)間以及峰值頻率的差異非常大。這項(xiàng)研究將對(duì)建立實(shí)時(shí)咳嗽聲識(shí)別系統(tǒng)提供參考；Exadaktylos等[78]提出了基于信號(hào)頻域特征識(shí)別病豬咳嗽聲的實(shí)時(shí)算法。算法運(yùn)用模糊C均值聚類(lèi)方法訓(xùn)練各聲音的特征量，并采用歐幾里德距離法得到分類(lèi)閾值，以此進(jìn)行咳嗽聲與其他聲音的分類(lèi)識(shí)別。試驗(yàn)對(duì)6頭比利時(shí)長(zhǎng)白仔豬（3公3母）整體正確分類(lèi)率達(dá)到85%；Chung等[79]提取患有慢性消耗性疾病生豬咳嗽聲音的梅爾倒頻譜系數(shù)（Mel-Frequency Cepstral Coefficients，MFCC）作為特征參數(shù)，采用支持向量機(jī)算法進(jìn)行分析，平均識(shí)別正確率為94%，性能優(yōu)良；Exadaktylos等[80]在豬舍內(nèi)距地面1 m的不同位置安裝7個(gè)麥克風(fēng)，構(gòu)建麥克風(fēng)陣列，根據(jù)不同麥克風(fēng)采集聲音的時(shí)間不同對(duì)聲源進(jìn)行定位。試驗(yàn)結(jié)果表明16次試驗(yàn)中，14次定位結(jié)果誤差小于1 m，達(dá)到預(yù)期目標(biāo)。試驗(yàn)中有2次定位誤差超過(guò)3 m，分析原因可能是周?chē)肼曔^(guò)大；宣傳忠等[81]提出一種改進(jìn)的MFCC結(jié)合隱馬爾可夫模型（Hidden Markov Model，HMM）的山羊咳嗽聲識(shí)別系統(tǒng)，試驗(yàn)結(jié)果表明系統(tǒng)對(duì)咳嗽聲的識(shí)別率達(dá)到了92.5%、誤識(shí)別率僅為5.37%；Berckmans等[82]總結(jié)了豬舍5種情況下音頻分析在監(jiān)測(cè)豬呼吸困難方面的運(yùn)用。結(jié)果表明，相較于人工觀察，聲音監(jiān)測(cè)最早可以提前2周進(jìn)行預(yù)警，方便工作人員提前采取措施減少損失。

目前畜禽養(yǎng)殖密度較大，疫病傳播速度較快。因此一旦患有傳染性呼吸道疾病的動(dòng)物未得到及時(shí)的治療或隔離，畜禽舍內(nèi)疾病可能會(huì)迅速蔓延，造成極大的經(jīng)濟(jì)損失。通過(guò)聲音監(jiān)測(cè)識(shí)別生病動(dòng)物的咳嗽聲及時(shí)定位疑似患病動(dòng)物，有助于工作人員及時(shí)處理，避免疾病擴(kuò)散。因此，聲音監(jiān)測(cè)在動(dòng)物疾病診斷方面有較好的應(yīng)用前景。但診斷疾病必須通過(guò)采集大量患病動(dòng)物咳嗽聲音樣本構(gòu)建數(shù)據(jù)庫(kù)，在前期需要參照其他如體溫升高、呼吸頻率增加等生病特征收集生病樣本咳嗽聲音。

3.2 情緒狀態(tài)識(shí)別

動(dòng)物情緒健康是動(dòng)物福利重點(diǎn)關(guān)注的問(wèn)題之一。目前聲音監(jiān)測(cè)技術(shù)主要用于提取動(dòng)物在恐懼、孤獨(dú)、焦慮等不良情緒下的叫聲特征進(jìn)行識(shí)別，在此基礎(chǔ)上可實(shí)現(xiàn)動(dòng)物情緒健康的無(wú)損監(jiān)測(cè)[12]。

Jahns等[83]以39頭奶牛為試驗(yàn)對(duì)象，采集：母牛和牛犢短暫隔離后奶牛叫聲、母牛和牛犢短暫隔離后牛犢叫聲、咳嗽聲音、發(fā)情時(shí)候的叫聲、擠奶延遲時(shí)奶牛叫聲、呼吸的聲音以及饑餓時(shí)的叫聲，之后建立隱馬爾科夫模型分別對(duì)各種聲音信號(hào)進(jìn)行處理識(shí)別牛只日常叫聲中蘊(yùn)含的情緒信息。試驗(yàn)結(jié)果表明除了擠奶延遲時(shí)奶牛叫聲識(shí)別率較低外，其他情緒下聲音識(shí)別率均較高，HMM在動(dòng)物聲音識(shí)別方面有較好的效果；Moura等[84]通過(guò)分析仔豬聲音幅值及其置信區(qū)間對(duì)仔豬是否處于緊張狀態(tài)進(jìn)行識(shí)別。試驗(yàn)在消音室中對(duì)10頭仔豬進(jìn)行試驗(yàn)，分別采集仔豬：剛進(jìn)入消音室、進(jìn)入后孤立3 min以及被帶出消音室時(shí)3種情況下的叫聲并進(jìn)行分析。試驗(yàn)結(jié)果表明，在仔豬被帶出消音室瞬間會(huì)極度緊張，并長(zhǎng)時(shí)間發(fā)出尖叫聲，聲音幅值也遠(yuǎn)大于前2種情況。該系統(tǒng)在消音室中采集聲音可以有效避免周?chē)h(huán)境噪聲的影響，提高聲音識(shí)別正確率；Ikeda等[85]利用線性判別分析方法對(duì)聲音信號(hào)的頻譜結(jié)構(gòu)變化特征進(jìn)行處理，進(jìn)而智能識(shí)別母牛饑餓狀態(tài)以及與仔牛分隔而產(chǎn)生的焦慮狀態(tài)。試驗(yàn)對(duì)一頭26月齡的日本黑在不同時(shí)間進(jìn)行11次試驗(yàn)，結(jié)果表明饑餓和分離情況下發(fā)聲持續(xù)時(shí)間為1.8和1.7 s，奶牛在與小牛分離時(shí)的心理不穩(wěn)定導(dǎo)致了叫聲頻率相較于饑餓狀態(tài)下降低。該試驗(yàn)樣本數(shù)量太少，同時(shí)也未考慮環(huán)境條件、對(duì)象年齡、體質(zhì)量等因素的影響，存在較大偶然性；Zeltner等[86]研究了在同一養(yǎng)殖模式下不同品種蛋雞的應(yīng)激行為，分析了蛋雞在外界異物刺激下以尖叫聲為主的變化規(guī)律。試驗(yàn)將雞只分為3組，每組21只，模擬鷹對(duì)其攻擊，觀察并記錄雞只的恐懼反應(yīng)及其持續(xù)時(shí)間；余禮根等[87]研究了棲架養(yǎng)殖模式下蛋雞叫聲的分類(lèi)識(shí)別方法。試驗(yàn)連續(xù)采集7 d蛋雞叫聲后提取對(duì)象產(chǎn)蛋叫聲、愉悅叫聲、尖叫聲以及爭(zhēng)斗的應(yīng)激叫聲的特征參數(shù)，之后分別采用支持向量機(jī)決策樹(shù)和樸素貝葉斯算法對(duì)其進(jìn)行分類(lèi)。試驗(yàn)結(jié)果表明雖然J48決策樹(shù)算法建模速度較慢，但其用于蛋雞情緒模型識(shí)別率最高，達(dá)到88.3%，可用于蛋雞發(fā)聲的自動(dòng)判別與分類(lèi)。

動(dòng)物的叫聲中蘊(yùn)含著情緒的信息，目前研究主要針對(duì)動(dòng)物饑餓、恐懼、緊張、憤怒、愉悅等聲音進(jìn)行分析。通過(guò)聲音分析有效識(shí)別動(dòng)物的情緒狀態(tài)，盡量避免動(dòng)物消極情緒的產(chǎn)生與持續(xù)，使動(dòng)物處于身心愉悅的狀態(tài)下更有利于保障動(dòng)物福利水平與畜牧產(chǎn)品的質(zhì)量。

3.3 行為監(jiān)測(cè)

在動(dòng)物行為的聲音監(jiān)測(cè)方面，Meen等[88]在奶牛場(chǎng)布置了攝像機(jī)和麥克風(fēng)對(duì)荷斯坦奶牛發(fā)聲和奶牛行為之間的關(guān)系進(jìn)行了研究，得到了不同行為下發(fā)聲頻率存在顯著差異的結(jié)果。試驗(yàn)采集奶牛躺臥、性行為、社交行為等情況下發(fā)出的聲音信號(hào)，并分析其最大平均頻率，試驗(yàn)結(jié)果表明躺臥行為奶牛叫聲信號(hào)的最大平均頻率與其他行為有顯著差異。不同品種的奶牛其發(fā)聲頻率各不相同，因此需要進(jìn)一步試驗(yàn)驗(yàn)證該結(jié)論；Chung等[89]提取奶牛發(fā)情期聲音與正常聲音的MFCC，采用支持向量機(jī)算法對(duì)2種聲音進(jìn)行進(jìn)行識(shí)別，從而辨識(shí)奶牛是否處于發(fā)情期。試驗(yàn)采集了100段奶牛發(fā)情叫聲、180段正常叫聲，分別采用32維度與360維度的特征向量進(jìn)行分析。結(jié)果表明，兩者識(shí)別正確率分別為94.9%和97.7%，雖然采用360維度特征向量正確率較高，但運(yùn)算時(shí)間與存儲(chǔ)要求大大增加；Lewis等[90]對(duì)1～14 d大的仔豬進(jìn)行T型迷宮測(cè)試，在迷宮的一邊放置母豬呼喚仔豬聲音的聲源，觀察仔豬對(duì)母豬護(hù)理聲音的趨向性反應(yīng)。試驗(yàn)中有69%仔豬向著聲源走去，驗(yàn)證了對(duì)母豬與仔豬之間有著一定的聲音聯(lián)系；余禮根等[91]采集海蘭褐蛋雞叫聲信號(hào)，提取包括持續(xù)時(shí)間、基音頻率、頻譜質(zhì)心、共振峰等蛋雞發(fā)聲特征參數(shù)，構(gòu)建出蛋雞發(fā)聲音頻數(shù)據(jù)庫(kù)，分析小規(guī)模飼養(yǎng)條件下的蛋雞叫聲信息及其體態(tài)行為之間的關(guān)系。試驗(yàn)表明，蛋雞愉悅的鳴唱叫聲與其走動(dòng)和探究行為息息相關(guān)，相對(duì)于傳統(tǒng)散養(yǎng)蛋雞，籠養(yǎng)蛋雞產(chǎn)蛋習(xí)性明顯減弱；于天福[92]以狗為研究對(duì)象，通過(guò)對(duì)其叫聲信號(hào)功率譜、MFCC、基音頻率等特征的研究，為每種行為建立高斯混合統(tǒng)計(jì)模型，對(duì)時(shí)域特征和頻域特征分別加權(quán)，經(jīng)過(guò)決策達(dá)到識(shí)別攻擊、警告、討好3種行為的目的。該方法為進(jìn)行一步研究畜禽聲音行為提供借鑒。

采用聲音監(jiān)測(cè)技術(shù)分析動(dòng)物行為需構(gòu)建行為模式庫(kù)，將動(dòng)物聲音信息與其行為建立一一對(duì)應(yīng)的映射關(guān)系。相較于圖像監(jiān)測(cè)，聲音監(jiān)測(cè)技術(shù)直觀性較差，有時(shí)需要圖像進(jìn)行輔助，但其操作簡(jiǎn)單，成本較低，受環(huán)境影響也相對(duì)較小?，F(xiàn)有的研究結(jié)果表明聲音監(jiān)測(cè)在動(dòng)物行為識(shí)別方面，也有較大應(yīng)用潛力。

3.4 牛羊進(jìn)食監(jiān)測(cè)

反芻動(dòng)物采食量的精準(zhǔn)監(jiān)測(cè)是制定反芻動(dòng)物良好營(yíng)養(yǎng)方案的基礎(chǔ)，但在放養(yǎng)下牛羊活動(dòng)范圍廣，采用一般方法難以監(jiān)測(cè)它們的采食行為。采用聲音監(jiān)測(cè)技術(shù)對(duì)活動(dòng)范圍較廣的反芻動(dòng)物進(jìn)行采食行為監(jiān)測(cè)有較好的應(yīng)用效果。牛羊采食主要有咬斷及咀嚼草料2種動(dòng)作，而實(shí)際采食量可由咬斷草料的次數(shù)來(lái)判定，因此可通過(guò)咬斷、咀嚼草料2種動(dòng)作的不同音頻特征識(shí)別牛羊采食過(guò)程中咬斷草料的次數(shù)，進(jìn)而實(shí)現(xiàn)采食量的智能監(jiān)測(cè)[93-94]。

Clapham等[93]開(kāi)發(fā)一套系統(tǒng)用于采集分析自由放牧下牛進(jìn)食的的聲音。該系統(tǒng)采用全指向的駐極體麥克風(fēng)，將其放置在牛嘴邊收集牛咬斷草料以及咀嚼草料的聲音，通過(guò)數(shù)學(xué)信號(hào)分析量化動(dòng)物進(jìn)食的行為。試驗(yàn)表明周?chē)鷦?dòng)物叫聲以及環(huán)境噪聲對(duì)系統(tǒng)識(shí)別性能無(wú)太大影響，該系統(tǒng)可識(shí)別95%咬斷草料的行為；Galli等[95]對(duì)山羊進(jìn)食不同植物時(shí)的聲音進(jìn)行分析，研究羊進(jìn)食效率及估計(jì)其干物質(zhì)采食率，發(fā)現(xiàn)進(jìn)食植物種類(lèi)對(duì)山羊進(jìn)食效率并沒(méi)有太大影響，而下巴咬合速度及每次咬合時(shí)的能量是主要影響因素；Laca等[96]分析牛采食聲音信號(hào)的持續(xù)時(shí)間、能量流密度以及平均強(qiáng)度等參數(shù)，研究牛采食量與吃草行為的關(guān)系。試驗(yàn)結(jié)果表明，牛咬斷草料聲音與咀嚼聲音識(shí)別正確率為94%，識(shí)別性能優(yōu)良。試驗(yàn)同時(shí)還發(fā)現(xiàn)采用單個(gè)麥克風(fēng)可能會(huì)錄入無(wú)關(guān)雜音，影響后續(xù)分析，使用2或3個(gè)麥克風(fēng)有助于提高系統(tǒng)識(shí)別性能；Milone等[97]建立HMM分析山羊進(jìn)食牧草種類(lèi)及牧草高度，牧草種類(lèi)識(shí)別正確率達(dá)到84%，但是牧草高度識(shí)別正確率僅為67%，總體咀嚼活動(dòng)識(shí)別率達(dá)到82%。

牛羊等反芻動(dòng)物在放養(yǎng)情況下活動(dòng)范圍廣，采用小型麥克風(fēng)連接存儲(chǔ)裝置記錄動(dòng)物的進(jìn)食聲音可以有效分析監(jiān)測(cè)過(guò)程中牛羊進(jìn)食行為。但因?yàn)榫嚯x問(wèn)題，系統(tǒng)無(wú)法及時(shí)將數(shù)據(jù)回傳進(jìn)行分析，因此無(wú)法實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)。因?yàn)槁曇舨杉到y(tǒng)的存儲(chǔ)裝置捆綁在牛羊項(xiàng)圈上存儲(chǔ)聲音信息，因此，使用過(guò)程中裝置內(nèi)存容量以及電池使用情況應(yīng)該根據(jù)實(shí)際情況做出調(diào)整。

3.5 家禽成長(zhǎng)率監(jiān)測(cè)

家禽的生長(zhǎng)情況是飼養(yǎng)員們關(guān)心的重要問(wèn)題。家禽的體質(zhì)量可以很好體現(xiàn)其生長(zhǎng)率及飼料轉(zhuǎn)化率等情況，但是大規(guī)模養(yǎng)雞場(chǎng)中，人工進(jìn)行家禽的體質(zhì)量測(cè)量耗費(fèi)大量時(shí)間和人力。根據(jù)不同年齡階段或體質(zhì)量下雞叫聲特征不同，可通過(guò)聲音監(jiān)測(cè)的方式來(lái)監(jiān)測(cè)家禽成長(zhǎng)率。

Fontana等[98]連續(xù)采集38 d雞的叫聲，分析后提取其峰值頻率。試驗(yàn)發(fā)現(xiàn)，隨著年齡的增長(zhǎng)，雞的體質(zhì)量增加，叫聲頻率逐漸降低，雞叫聲峰值頻率與雞齡相關(guān)性極高，<0.000 1。雞叫聲頻率過(guò)高或過(guò)低可能反應(yīng)其異常的生理狀態(tài)，因此，該方法也可應(yīng)用于早期家禽健康與福利的預(yù)警；Fontana等[99]以隔離箱中肉雞為研究對(duì)象，分析其叫聲的持續(xù)時(shí)間、重復(fù)次數(shù)以及峰值頻率，發(fā)現(xiàn)雞齡較小的雞更容易發(fā)出呼喚同伴的叫聲，更可能表現(xiàn)出孤獨(dú)的狀態(tài)。

叫聲是動(dòng)物種群內(nèi)主要交流方式，蘊(yùn)含大量信息。采用聲音監(jiān)測(cè)技術(shù)從動(dòng)物聲音中有效提取各類(lèi)畜禽機(jī)體健康與福利、生理與情緒等信息有助于工作人員進(jìn)行養(yǎng)殖管理。實(shí)現(xiàn)動(dòng)物聲音監(jiān)測(cè)的首要目標(biāo)是收集大量已知含義的動(dòng)物叫聲，提取其特征參數(shù)，并構(gòu)建聲音模式庫(kù)，這是智能識(shí)別動(dòng)物聲音的基礎(chǔ)。其中在模型構(gòu)建過(guò)程中，選取MFCC作為特征參數(shù)并運(yùn)用支持向量機(jī)或HMM進(jìn)行識(shí)別有較好的識(shí)別能力。另外，禽畜飼養(yǎng)中除了動(dòng)物聲音還存在各種各樣噪聲，如何有效降低動(dòng)物叫聲間的相互干擾及環(huán)境噪聲的影響以實(shí)現(xiàn)音頻高質(zhì)量地實(shí)時(shí)采集，是后續(xù)研究中需要解決的問(wèn)題。目前研究人員主要通過(guò)安裝多個(gè)麥克風(fēng)，形成麥克風(fēng)陣列根據(jù)相對(duì)于不同麥克風(fēng)間的距離來(lái)定位聲音的源頭。但目前快速移動(dòng)的動(dòng)物以及位于麥克風(fēng)陣列中心線處動(dòng)物發(fā)出的聲音定位誤差較大。如何根據(jù)不同的畜禽舍布局設(shè)計(jì)合理的麥克風(fēng)陣列準(zhǔn)確定位聲音源頭是未來(lái)研究的重點(diǎn)。

4 討 論

4.1 當(dāng)前的主要技術(shù)問(wèn)題

盡管?chē)?guó)內(nèi)外學(xué)者對(duì)畜禽養(yǎng)殖中無(wú)損監(jiān)測(cè)技術(shù)做了大量的研究與改進(jìn)，但畜禽信息無(wú)損監(jiān)測(cè)系統(tǒng)的準(zhǔn)確性、抗干擾能力及工作效率等仍有待提高。因此研發(fā)應(yīng)用無(wú)損監(jiān)測(cè)技術(shù)獲取養(yǎng)殖中的畜禽信息時(shí)需要重點(diǎn)考慮以下問(wèn)題：1）高濕、高腐蝕性等惡劣的畜禽養(yǎng)殖環(huán)境導(dǎo)致監(jiān)測(cè)裝置無(wú)法長(zhǎng)時(shí)間高效工作的問(wèn)題；2）傳感器節(jié)點(diǎn)和聲音采集器等需要固定在動(dòng)物軀體上，在動(dòng)物躺臥、互相打鬧過(guò)程中容易遭到破壞；3）圖像監(jiān)測(cè)技術(shù)與聲音監(jiān)測(cè)技術(shù)獲取數(shù)據(jù)量大、特征提取算法復(fù)雜，影響信息的傳輸和處理的效率；4）圖像采集設(shè)備范圍有限，獲取畜禽圖像信息時(shí)易受舍內(nèi)飼養(yǎng)設(shè)施等障礙物的影響。另外，受環(huán)境光照條件限制，常規(guī)圖像在陰天或者晚上無(wú)光條件下難以采集；5）畜禽聲音信息獲取時(shí)，環(huán)境中各種噪聲以及動(dòng)物發(fā)聲的相互干擾制約著目標(biāo)聲音信息獲取的精準(zhǔn)度。

4.2 研究重點(diǎn)及發(fā)展趨勢(shì)

基于以上畜禽信息無(wú)損監(jiān)測(cè)技術(shù)存在的問(wèn)題，當(dāng)前研究的重點(diǎn)是：1）設(shè)計(jì)無(wú)損監(jiān)測(cè)系統(tǒng)時(shí)應(yīng)采用耐壓、防水的材料和結(jié)構(gòu)，設(shè)計(jì)體積合理、易于動(dòng)物穿戴的傳感器節(jié)點(diǎn)和聲音采集裝置，排除干擾，提高監(jiān)測(cè)系統(tǒng)的識(shí)別準(zhǔn)確率和穩(wěn)定性。數(shù)據(jù)有線傳輸時(shí)應(yīng)采用耐壓、耐腐蝕管路材料，并優(yōu)化線路布置，建議采用無(wú)線傳輸；2）研發(fā)適應(yīng)環(huán)境光照復(fù)雜多變的畜禽圖像信息獲取系統(tǒng)中的光源和圖像采集布置方法，減少舍內(nèi)設(shè)施干擾，全面、清晰獲取動(dòng)物身體圖像，同時(shí)優(yōu)化圖像處理算法，精準(zhǔn)高效獲取畜禽的圖像信息；3）優(yōu)化聲音采集裝置的布置方案和聲音降噪算法，排除環(huán)境噪聲及動(dòng)物發(fā)聲相互干擾，獲取精準(zhǔn)的畜禽聲音信息；4）當(dāng)前禽畜養(yǎng)殖中無(wú)損監(jiān)測(cè)主要基于傳感器監(jiān)測(cè)、圖像監(jiān)測(cè)以及聲音監(jiān)測(cè)技術(shù)展開(kāi)，3種無(wú)損檢測(cè)技術(shù)在禽畜養(yǎng)殖中的不同運(yùn)用領(lǐng)域各有利弊（表2），比如，聲音監(jiān)測(cè)在動(dòng)物情緒識(shí)別方面有較大優(yōu)勢(shì)，而傳感器或者圖像監(jiān)測(cè)的方法難以判斷動(dòng)物情緒狀態(tài)。因此，融合多種無(wú)損監(jiān)測(cè)技術(shù)的優(yōu)勢(shì)快速高效監(jiān)測(cè)畜禽信息是未來(lái)的發(fā)展趨勢(shì)，現(xiàn)已有一些研究結(jié)合多種無(wú)損監(jiān)測(cè)技術(shù)進(jìn)行畜禽信息監(jiān)測(cè)[100-102]。

表2 無(wú)損監(jiān)測(cè)技術(shù)對(duì)比

5 結(jié) 論

本文通過(guò)對(duì)畜禽行為及生理信息的無(wú)損監(jiān)測(cè)技術(shù)發(fā)展現(xiàn)狀、應(yīng)用成果以及未來(lái)發(fā)展趨勢(shì)等方面進(jìn)行深入分析，闡述了無(wú)損監(jiān)測(cè)技術(shù)在畜禽養(yǎng)殖業(yè)的重要意義，并提出了未來(lái)畜禽行為及生理信息無(wú)損監(jiān)測(cè)技術(shù)的應(yīng)用前景及研究重點(diǎn)。目前歐美發(fā)達(dá)國(guó)家在畜禽飼養(yǎng)中的無(wú)損監(jiān)測(cè)技術(shù)方面已取得較大突破，已有一些研究成果運(yùn)用于畜禽飼養(yǎng)中。中國(guó)在此方面研究仍處于起步階段，鮮有實(shí)際應(yīng)用案例。因此亟待結(jié)合中國(guó)畜禽養(yǎng)殖實(shí)際情況進(jìn)一步研究開(kāi)發(fā)精準(zhǔn)、高效、智能、經(jīng)濟(jì)的畜禽信息無(wú)損監(jiān)測(cè)技術(shù)。

[1] 陳長(zhǎng)喜，張宏福，王兆毅，等.畜禽健康養(yǎng)殖預(yù)警體系研究與應(yīng)用[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2010，26(11)：215－220.

Chen Changxi, ZhangHongfu, WangZhaoyi, et al.Research and application of early warning system for livestock and poultry health breeding[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2010, 26(11):215－220.(in Chinese with English abstract)

[2] 趙勇，張盛男.畜禽規(guī)?；】叼B(yǎng)殖及動(dòng)物福利[C]//生態(tài)環(huán)境與畜牧業(yè)可持續(xù)發(fā)展學(xué)術(shù)研討會(huì)暨中國(guó)畜牧獸醫(yī)學(xué)會(huì)2012年學(xué)術(shù)年會(huì)和第七屆全國(guó)畜牧獸醫(yī)青年科技工作者學(xué)術(shù)研討會(huì)會(huì)議論文集，北京，2012：186－187.

Zhao Yong, Zhang Shengnan. Large scale and healthy breeding of livestock and poultry and animal welfare[C]// Seminar on Sustainable Development of Ecological Environment and Animal Husbandry and China Institute of Animal Husbandry and Veterinary Medicine Conference in 2012 and The Seventh National Animal Husbandry and Veterinary Science and Technology Workers Youth Symposium, Beijing, 2012: 186－187. (in Chinese with English abstract)

[3] 張巧平.基于體溫檢測(cè)的豬疾病判斷方法[J]. 現(xiàn)代農(nóng)業(yè)科技，2011(20)：352.

ZhangQiaoping. A method for judging swine diseases based on body temperature detection[J]. Modern Agricultural Sciences and Technology, 2011(20):352.(in Chinese with English abstract)

[4] 石麗瑞，李秀華，韓璤英，等.動(dòng)物疫病防治工作存在的問(wèn)題及對(duì)策[J]. 中國(guó)畜牧獸醫(yī)文摘，2013(11)：23－23.

ShiLirui, LiXiuhua, Han Huiying, et al. Problems and countermeasures of prevention and control of animal diseases[J]. China Animal Husbandry and Veterinary Abstracts, 2013(11):23－23.(in Chinese with English abstract)

[5] 陳廣林，汪志強(qiáng)，薛江庭.母豬分娩報(bào)警裝置：201120138338.5[P]. 2011-05-05.

[6] Krizanac D, Haugk M, Sterz F, et al. Tracheal temperature for monitoring body temperature during mild hypothermia in pigs[J]. Resuscitation, 2010,81(1):87－92.

[7] Chmiel M,Slwiński M, Dasiewicz K. Application of computer vision systems for estimation of fat content in poultry meat[J]. Food Control, 2011,22(8):1424－1427.

[8] Doeschl-Wilson A B, Green D M, Fisher A V, et al. The relationship between body dimensions of living pigs and their carcass composition[J]. Meat Science, 2005,70(2):229－240.

[9] Blanchard T, Kenney D, Garcia M, et al. Relationship of declines in grain consumption and milkyield to estrus in dairycattle[J]. Theriogenology, 1987,28(4):407－415.

[10] Claus R, Karg H, Zwiauer D, et al. Analysis of factors influencing reproductive-performance of the dairy-cow by progesterone assay in milk-fat[J]. British Veterinary Journal, 1983,139(1):29－37.

[11] 楊晉輝，鄭楠，楊永新，等.紅外光譜在牛奶生產(chǎn)和檢測(cè)方面的研究進(jìn)展[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2016，32(17)：1－11.

YangJinhui,ZhengNan, YangYongxin, et al. Research advances in milk production and detection by infraredspectroscopy[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(17):1－11.(in Chinese with English abstract)

[12] 陸明洲，沈明霞，丁永前，等. 畜牧信息智能監(jiān)測(cè)研究進(jìn)展[J]. 中國(guó)農(nóng)業(yè)科學(xué)，2012，45(14)：2939－2947.LuMingzhou,ShenMingxia,DingYongqian,et al. Review on the intelligent technology for animalhusbandry information monitoring[J]. Scientia Agricultura Sinica, 2012,

45(14):2939－2947.(in Chinese with English abstract)

[13] Wratten S D. Video Techniques in Animal Ecology and Behaviour[M]. New Zealand: Springer, 1994.

[14] 龍瑞軍，董世魁，王元素，等.反芻動(dòng)物采食量的概念與研究方法[J]. 草業(yè)學(xué)報(bào)，2003，12(5)：8－17.

LongRuijun, DongShikui, WangYuansu, et al. Concepts and investigative methods of ruminant forage intake[J]. Acta Prataculturae Sinica, 2003, 12(5):8－17.(in Chinese with English abstract)

[15] 田富洋，李法德，李晉陽(yáng)，等.奶牛采食量檢測(cè)儀的設(shè)計(jì)與技術(shù)研究[J]. 儀器儀表學(xué)報(bào)，2007，28(2)：293－297.

TianFuyang,LiFade, LiJinyang, et al. Design and study of the test instrument for feed intake of the dairy cow[J]. Chinese Journal of Scientific Instrument, 2007, 28(2):293－297.(in Chinese with English abstract)

[16] Andersen H M L, Dybkj?r L, Herskin M S.Growing pigs’ drinking behaviour: Number of visits, duration, water intake and diurnal variation[J]. Animal, 2014,8(11):1881－1888.

[17] Meiszberg A M, Johnson A K, Sadler L J, et al. Drinking behavior in nursery pigs: Determining the accuracy between an automatic water meter versus human observers[J]. Journal of Animal Science, 2009,87(12):4173－4180.

[18] Kruse S, Traulsen I, Salau J, et al. A note on using wavelet analysis for disease detection in lactating sows[J]. Computers and Electronics in Agriculture, 2011,77(1):105－109.

[19] 陸明洲，沈明霞，丁永前，等.群養(yǎng)母豬飲水行為自動(dòng)監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[J]. 南京農(nóng)業(yè)大學(xué)學(xué)報(bào)，2013，36(5)：133－138.

LuMingzhou, ShenMingxia, DingYongqian, et al.Design of automatic system for drinking behaviormonitoring in group housed sows[J]. Journal of Nanjing Agricultural University, 2013, 36(5):133－138.(in Chinese with English abstract)

[20] Puma M C, Xin H, Gates R S, et al. An instrumentation system for studying feeding and drinking behavior of individual poultry[J]. Applied Engineering in Agriculture, 2001,17(3):365－374.

[21] Darr M, Epperson W. Embedded sensor technology for real time determination of animal lying time[J]. Computers and Electronics in Agriculture, 2009,66(1):106－111.

[22] Robert B, White B J, Renter D G, et al. Evaluation of three-dimensional accelerometers to monitor and classify behavior patterns in cattle[J]. Computers and Electronics in Agriculture, 2009,67(1/2):80－84.

[23] Watanabe N, Sakanoue S, Kawamura K, et al. Development of an automatic classification system for eating, ruminating and resting behavior of cattle using an accelerometer[J]. 2008,54(4):231－237.

[24] Ni JQ, Liu S, Radcliffe J S, et al. Evaluation and characterisation of Passive Infrared Detectors to monitor pig activities in an environmental research building[J]. Biosystems Engineering, 2017,158:86－94.

[25] 高云.基于無(wú)線傳感器網(wǎng)絡(luò)的豬運(yùn)動(dòng)行為監(jiān)測(cè)系統(tǒng)研究[D]. 武漢：華中農(nóng)業(yè)大學(xué)，2014.

GaoYun. Research on Pig Behavior Monitoring System Based on Wireless Sensor Network[D]. Wuhan: Huazhong Agricultural University, 2014. (in Chinese with English abstract)

[26] 郭東東.基于三軸加速度傳感器的山羊行為特征識(shí)別研究[D]. 太原：太原理工大學(xué)，2015.

GuoDongdong. Research on 3d Acceleration Sensor Recognition for Goats’ Behavior Recognition[D]. Taiyuan: Taiyuan University of Technology, 2015.(in Chinese with English abstract)

[27] Cornou C, Lundbye-Christensen S, Kristensen A R. Modelling and monitoring sows’ activity types in farrowing house using acceleration data[J]. Computers and Electronics in Agriculture, 2011,76(2):316－324.

[28] 尹令，劉財(cái)興，洪添勝，等.基于無(wú)線傳感器網(wǎng)絡(luò)的奶牛行為特征監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2010，26(3)：203－208.

YinLing, LiuCaixing, HongTiansheng, et al. Design of system for monitoring dairy cattle’s behavioral features basedon wireless sensor networks[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2010, 26(3):203－208.(in Chinese with English abstract)

[29] Freson L, Godrie S, Bos N, et al. Validation of an infra-red sensor for oestrus detection of individually housed sows[J]. Computers and Electronics in Agriculture, 1998,20(1):21－29.

[30] Ostersen T, Cornou C, Kristensen A R. Detecting oestrus by monitoring sows' visits to a boar[J]. Computers and Electronics in Agriculture, 2010,74(1):51－58.

[31] 吉斯，陳洪深，曹慶，等. 精準(zhǔn)化母豬發(fā)情檢測(cè)器：201020186832.4[P]. 2010-05-04.

[32] 汪開(kāi)英，苗香雯，謝江明，等.應(yīng)用紅外傳感器進(jìn)行母豬的發(fā)情及最佳配種時(shí)間鑒定[J]. 浙江大學(xué)學(xué)報(bào)：農(nóng)業(yè)與生命科學(xué)版，2001，27(6)：74－77.

WangKaiying, MiaoXiangwen, XieJiangming, et al. Oestrus detection and optimal insemination time of sows using infrared sensors[J]. Journal of Zhejiang University: Agriculture and Life Sciences, 2001, 27(6):74－77.(in Chinese with English abstract)

[33] 胡天劍，李炳龍. 母豬發(fā)情的智能檢測(cè)標(biāo)記裝置：201120353559.4[P]. 2011-09-02.

[34] Altmann M. Interrelations of the sex cycle and the behavior of the sow[J]. Journal of Comparative Psychology, 1941,31(3):481－498.

[35] Firk R, Stamer E, Junge W, et al. Automation of oestrus detection in dairy cows: A review[J]. Livestock Production Science, 2002,75(3):219－232.

[36] Maatje K, Mol R MD, Rossing W. Cow status monitoring (health and oestrus) using detection sensors[J]. Computers and Electronics in Agriculture, 1997,16(3):245－254.

[37] Jónsson R, Blanke M, Poulsen N K, et al. Oestrus detection in dairy cows from activity and lying data using on-line individual models[J]. Computers and Electronics in Agriculture, 2011,76(1):6－15.

[38] Lovendahl P, Chagunda M G G. On the use of physical activity monitoring for estrus detection in dairy cows[J]. Journal of Dairy Science, 2010,93(1):249－259.

[39] Oudshoorn F W, Kristensen T, Nadimi E S. Dairy cow defecation and urination frequency and spatial distribution in relation to time-limited grazing[J]. Livestock Science, 2008,113(1):62－73.

[40] White S L, Sheffield R E, Washburn S P, et al. Spatial and time distribution of dairy cattle excreta in an intensive pasture system[J]. Journal of Environmental Quality, 2001,30(6):2180－2187.

[41] Butler Z, Corke P, Peterson R, et al. Virtual Fences for Controlling Cows[M]. Ieee International Conference on Robotics and Automation, 2004:4429－4436.

[42] Bhavsar A R, Arolkar H A. Multidimensional Association Rule Based Data Mining Technique for Cattle Health Monitoring Using Wireless Sensor Network[C]// International Conference on Computing for Sustainable Global Development . IEEI, 2014:810－814.

[43] Kwong KH, Wu T T, Goh H G, et al. Wireless Sensor Networks in Agriculture: Cattle Monitoring for Farming Industries[M]// Kong J A. Progress in Electromagnetics Research Symposium. Cambridge: Electromagnetics Acad, 2009:1719－1723.

[44] Nadimi E S, Sogaard H T, Bak T. ZigBee-based wireless sensor networks for classifying the behaviour of a herd of animals using classification trees[J]. Biosystems Engineering, 2008,100(2):167－176.

[45] 閆麗，邵慶，席桂清.家畜行為智能監(jiān)測(cè)系統(tǒng)的研究進(jìn)展[J]. 家畜生態(tài)學(xué)報(bào)，2014，35(12)：6－10.

YanLi, ShaoQing, XiGuiqing.Research progress of Livestock behavior intelligent monitoring system[J]. Journal of livestock Ecology, 2014, 35(12):6－10.(in Chinese with English abstract)

[46] Lind N M, Vinther M, Hemmingsen R P, et al. Validation of a digital video tracking system for recording pig locomotor behaviour[J]. Journal of Neuroscience Methods, 2005,143(2):123－132.

[47] Frost A R, Schofield C P, Beaulah S A, et al. A review of livestock monitoring and the need for integrated systems[J]. Computers & Electronics in Agriculture, 1997, 17(2):139－159.

[48] 楊艷，滕光輝，李保明.利用二維數(shù)字圖像估算種豬體重[J]. 中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2006，11(3)：61－64.

YangYan, TengGuanghui, LiBaoming. Determination of pig weight from 2D images[J]. Journal of China Agricultural University, 2006, 11(3):61－64.(in Chinese with English abstract)

[49] Minagawa H, Ichikawa T. Determining the weight of pigs with image-analysis[J]. Transactions of the Asae, 1994,37(3):1011－1015.

[50] Schofield C P, Marchant J A, White R P, et al. Monitoring pig growth using a prototype imaging system[J]. Journal of Agricultural Engineering Research, 1999,72(3):205－210.

[51] Minagawa H, Taira O, Nissato H. A Color Technique to Simplify Image Processing in Measurement of Pig Weight by a Hands-off Method[M]. Asae Publication, 2003:166－173.

[52] Yang Yan, Teng Guanghui, Li Baoming, et al. Measurement of pig weight based on computer vision[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions ofthe CSAE), 2006,22(2):127－131.

[53] 李卓，杜曉冬，毛濤濤，等.基于深度圖像的豬體尺檢測(cè)系統(tǒng)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2016，47(3)：311－318.

LiZhuo, DuXiaodong, MaoTaotao, et al. Pig dimension detection system based on depth image[J]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(3):311－318.(in Chinese with English abstract)

[54] Leroy T, Vranken E, Brecht A V, et al. A computer vision method for on-line behavioral quantification of individually caged poultry[J]. Transactions ofthe Asabe, 2006,49(3):795－802.

[55] Richard G, Xin Hongwei. Extracting poultry behaviour from time-series weigh scale records[J]. Computers and Electronics in Agriculture, 2008,62(1):8－14.

[56] 浦雪峰，朱偉興，陸晨芳.基于對(duì)稱像素塊識(shí)別的病豬行為監(jiān)測(cè)系統(tǒng)[J]. 計(jì)算機(jī)工程，2009，35(21)：250－252.

PuXuefeng, ZhuWeixing, LuChenfang. Sick pig behavior monitor systembased on symmetrical pixel block recognization[J]. Computer Engineering, 2009, 35(21):250－252.(in Chinese with English abstract)

[57] Song X Y, Leroy T, Vranken E, et al. Automatic detection of lameness in dairy cattle-vision-based trackway analysis in cow's locomotion[J]. Computers and Electronics in Agriculture, 2008,64(1):39－44.

[58] Nasirahmadi A, Hensel O, Edwards SA. A new approach for categorizing pig lying behaviour based on a Delaunay triangulation method[J].Animal, 2017, 11(1): 131－139.

[59] Shao J, Xin H, Harmon J D. Comparison of image feature extraction for classification of swine thermal comfort behavior[J]. Computers and Electronics in Agriculture, 1998,19(3):223－232.

[60] Shao B, Xin H. A real-time computer vision assessment and control of thermal comfort for group-housed pigs[J]. Computers and Electronics in Agriculture, 2008,62(1):15－21.

[61] Ott S, Moons C P H, Kashiha M A, et al. Automated video analysis of pig activity at pen level highly correlates to human observations of behavioural activities[J]. Livestock Science, 2014,160（1）:132－137.

[62] 劉龍申，沈明霞，柏廣宇，等.基于機(jī)器視覺(jué)的母豬分娩檢測(cè)方法研究[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2014，45(3)：237－242.

LiuLongshen, ShenMingxia, BoGuangyu, et al. Sows parturition detection method based on machine vision[J]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(3):237－242.(in Chinese with English abstract)

[63] Cangar O, Leroy T, Guarino M, et al. Automatic real-time monitoring of locomotion and posture behaviour of pregnant cows prior to calving using online image analysis[J]. Computers and Electronics in Agriculture, 2008,64(1):53－60.

[64] Lao F, Brown-Brandl T, Stinn J P, et al. Automatic recognition of lactating sow behaviors through depth image processing[J]. Computers and Electronics in Agriculture, 2016, 125(C):56－62.

[65] 趙凱旋，何東健，王恩澤.基于視頻分析的奶牛呼吸頻率與異常檢測(cè)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2014，45(10)：258－263.

ZhaoKaixuan, HeDongjian, WangEnze. Detection of breathing rate and abnormity of dairy cattlebased on video analysis[J]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(10):258－263.(in Chinese with English abstract)

[66] 范映春.紅外線測(cè)溫儀在動(dòng)物檢疫中的應(yīng)用試驗(yàn)[J]. 浙江畜牧獸醫(yī)，2006，31(2)：30.

FanYingchun. Application test of infrared thermometer in animal quarantine[J]. Zhejiang Journal of Animal Science and Veterinary Medicine, 2006, 31(2):30.(in Chinese with English abstract)

[67] 高利波，段綱，尹革芬，等.紅外線體溫儀在生豬屠宰場(chǎng)體溫篩檢中的試用效果[J]. 中國(guó)畜牧獸醫(yī)，2010,37(9)：235－237.

GaoLibo, DuanGang, YinGefen, et al. Trialresultsofinfraredthermometerintheapplicationofante-mortembodytemperaturescreeninginthepig slauterh0use[J]. Zhejiang Journal of Animal Science and Veterinary Medicine, 2010, 37(9):235－237.(in Chinese with English abstract)

[68] 朱偉興，劉波，楊建軍，等.基于改進(jìn)主動(dòng)形狀模型的生豬耳部區(qū)域檢測(cè)方法[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2015，46(3)：288－295.

ZhuWeixing, LiuBo, YangJianjun, et al. Pig ear area detection based on adapted active shape model[J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(3): 288－295. (in Chinese with English abstract)

[69] 周麗萍，陳志，陳達(dá)，等. 基于改進(jìn)Otsu算法的生豬熱紅外圖像耳根特征區(qū)域檢測(cè)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2016，46(4)：228－232.

ZhouLiping, ChenZhi, ChenDa, et al.[J]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 46(4):228－232.(in Chinese with English abstract)

[70] 劉波，朱偉興，紀(jì)濱，等.基于射線輪廓點(diǎn)匹配的生豬紅外與可見(jiàn)光圖像自動(dòng)配準(zhǔn)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2013，29(2)：153－160.

LiuBo, ZhuWeixing, JiBin, et al. Automatic registration of IR and optical pig images based on contourmatch of radial line feature points[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(2):153－160.(in Chinese with English abstract)

[71] Siewert C, Daenicke S, Kersten S, et al. Difference method for analysing infrared images in pigs with elevated body temperatures[J]. Zeitschrift fur Medizinische Physik, 2014,24(1):6－15.

[72] 郁厚安，高云，黎煊，等.動(dòng)物行為監(jiān)測(cè)的研究進(jìn)展：以舍養(yǎng)商品豬為例[J]. 中國(guó)畜牧雜志，2015，51(20)：66－70.

YuHou’an, GaoYun, LiXuan, et al. Research review of animal behavior monitoring technologies:Commercial pigs as realistic example[J]. Chinese Journal of Animal Science, 2015, 51(20):66－70.(in Chinese with English abstract)

[73] Moura D J, Silva W T, Naas I A, et al. Real time computer stress monitoring of piglets using vocalization analysis[J]. Computers and Electronics in Agriculture, 2008,64(1):11－18.

[74] Guarino M, Jans P, Costa A, et al. Field test of algorithm for automatic cough detection in pig houses[J]. Computers and Electronics in Agriculture, 2008,62(1):22－28.

[75] Ferrari S, Silva M, Guarino M, et al. Cough sound analysis to identify respiratory infection in pigs [J]. Computers and Electronics in Agriculture, 2008,64(2):318－325.

[76] Ferrari S, Piccinini R, Silva M, et al. Cough sound description in relation to respiratory diseases in dairy calves[J]. Preventive Veterinary Medicine, 2010,96(3/4):276－280.

[77] Silva M, Ferrari S, Costa A, et al. Cough localization for the detection of respiratory diseases in pig houses[J]. Computers and Electronics in Agriculture, 2008,64(2):286－292.

[78] Exadaktylos V, Silva M, Aerts J M, et al. Real-time recognition of sick pig cough sounds[J]. Computers and Electronics in Agriculture, 2008,63(2):207－214.

[79] Chung Y, Oh S, L J, et al. Automatic detection and recognition of pig wasting diseases using sound data in audio surveillance systems[J]. Sensors, 2013,13(10):12929－12942.

[80] Exadaktylos V, Silva M, Ferrari S, et al. Time-series analysis for online recognition and localization of sick pigcough sounds[J]. Acoustical Society of America, 2008,124(6):3803－3809.

[81] 宣傳忠，武佩，張麗娜，等.羊咳嗽聲的特征參數(shù)提取與識(shí)別方法[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2016，47(3)：342－348.

XuanChuanzhong, WuPei, ZhangLina, et al. Feature parameters extraction and recognition methodof sheep cough sound[J]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(3):342－348.(in Chinese with English abstract)

[82] Berckmans D, Hemeryck M, Berckmans D, et al. Animal Sound…Talks! Real-time Sound Analysis for Health Monitoring in Livestock[C]//Animal Environ. & Welfare, Chongqing, China, 2015: 215－222.

[83] Jahns G. Call recognition to identify cow conditions-A call-recogniser translating calls to text[J]. Computers and Electronics in Agriculture, 2008,62(1):54－58.

[84] Moura D J, Silva W T, Naas I A, et al. Real time computer stress monitoring of piglets using vocalization analysis[J]. Computers and Electronics in Agriculture, 2008,64(1):11－18.

[85] Ikeda Y, Ishii Y. Recognition of two psychological conditions of a single cow by her voice[J]. Computers and Electronics in Agriculture, 2008,62(1):67－72.

[86] Zeltner E, Hirt H. A note on fear reaction of three different genetic strains of laying hens to a simulated hawk attack in the hen run of a free-range system[J]. Applied Animal Behaviour Science, 2008,113(1/2/3):69－73.

[87] 余禮根，滕光輝，李保明，等.棲架養(yǎng)殖模式下蛋雞發(fā)聲分類(lèi)識(shí)別[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2013，44(9)：236－242.

YuLigen, TengGuanghui, LiBaoming, et al. Classification methods of vocalization for laying hens in perch system[J]. Transactions of the Chinese Society for Agricultural Machinery, 2013, 44(9):236－242.(in Chinese with English abstract)

[88] Meen G H, Schellekens M A, Slegers M H M, et al. Sound analysis in dairy cattle vocalisation as a potential welfare monitor[J]. Computers and Electronics in Agriculture, 2015,118:111－115.

[89] Chung Y, Lee J, Oh S, et al. Automatic detection of cow’s oestrus in audio surveillance system[J]. Asian-Australasian Journal of Animal Sciences, 2013,26(7):1030－1037.

[90] Lewis N J, Hurnik J F. An approach response of piglets to the sows nursing vocalizations[J]. Canadian Journal of Animal Science, 1986,66(2):537－539.

[91] 余禮根，滕光輝，李保明，等.蛋雞發(fā)聲音頻數(shù)據(jù)庫(kù)的構(gòu)建與應(yīng)用[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2012，28(24)：150－156.

YuLigen, TengGuanghui, LiBaoming, et al. Development and application of audio database for laying hens[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(24):150－156.(in Chinese with English abstract)

[92] 于天福.基于聲音特征的動(dòng)物行為識(shí)別系統(tǒng)研究[D]. 哈爾濱：東北林業(yè)大學(xué)，2010.

YuTianfu. TheResearchofAnimalBehaviorRecognition SystemBasedonSoundFeatures[D]. Harbin: Northeast Forestry University, 2010.(in Chinese with English abstract)

[93] Clapham W M, Fedders J M, Beeman K, et al. Acoustic monitoring system to quantify ingestive behavior of free-grazing cattle[J]. Computers and Electronics in Agriculture, 2011,76(1):96－104.

[94] Milone D H, Rufiner H L, Galli J R, et al. Computational method for segmentation and classification of ingestive sounds in sheep[J]. Computers and Electronics in Agriculture, 2009,65(2):228－237.

[95] Galli J R, Cangiano C A, Milone D H, et al. Acoustic monitoring of short-term ingestive behavior and intake in grazing sheep[J]. Livestock Science, 2011,140(1/2/3):32－41.

[96] Laca E A, WallisDeVries M F. Acoustic measurement of intake and grazing behaviour of cattle[J]. Grass and Forage Science, 2000,55(2):97－104.

[97] Milone D H, Rufiner H L, Galli J R, et al. Computational method for segmentation and classification of ingestive sounds in sheep[J]. Computers and Electronics in Agriculture, 2009,65(2):228－237.

[98] Fontana I, Tullo E, Butterworth A, et al. An innovative approach to predict the growth in intensive poultry farming[J]. Computers and Electronics in Agriculture, 2015,119:178－183.

[99] Fontana I, Tullo E, Scrase A, et al. Vocalisation sound pattern identification in young broiler chickens[J]. Animal, 2016,10(9):1567－1574.

[100] 周麗萍，陳志，陳達(dá)，等. 基于改進(jìn)Otsu算法的生豬熱紅外圖像耳根特征區(qū)域檢測(cè)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2016，47(4)：228－232.

ZhouLiping, ChenZhi, ChenDa, et al. Pig ear root detection based on adapted otsu[J]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(4):228－232.(in Chinese with English abstract)

[101] McLelland A E, Winkler C E, Martin-Iverson M T. A simple and effective method for building inexpensiveinfrared equipment used to monitor animal locomotion[J]. Journal ofNeuroscience Methods, 2015,243:1－7.

[102] Schofield C P, Marchant J A, White R P, et al. Monitoring pig growth using a prototype imaging system[J]. Journal of Agricultural Engineering Research, 1999, 72: 205－210.

Review on noninvasive monitoring technology of poultry behavior and physiological information

Wang Kaiying, Zhao Xiaoyang, He Yong

(,,310058,)

The behavioral information and body conditions of animals are significant in precision livestock farming. And they have a considerable relationship with animal’s welfare and diseases. Therefore, perceiving animals’ body and behavior information harmlessly is critical to livestock breeding. A research review of diseases detection, body conditions detection, individual identification, behavioral analysis, and so on with noninvasive monitoring technologies was presented focusing on some prevalent livestock, including pigs, cows, sheep and chicken. And a summary of the advantages and disadvantages of 3 noninvasive monitoring technologies, i.e. sensor monitoring, image monitoring and sound monitoring in all the aspects was presented in this review. Sensor monitoring has been applied in the monitoring of feeding and drinking behaviors of animals, the identification of location of free-ranging animals and daily behaviors monitoring. Various sensors such as temperature transmitter and acceleration transducer have been used for years, so sensor monitoring is more reliable compared with the other 2 technologies. However, it is hard to design stable and suitable sensors which can work for a long period of time under the bad conditions in animal husbandry. As for image monitoring, it has been applied in the estimation of weight and body contour of animals, behaviors monitoring and body temperature measurement. Images of animals are acquired by cameras and thermal infrared imager and then processed with different methods to mine information. Although image monitoring influences animals least, it is susceptible to lighting conditions sometimes. Algorithms need to be developed to improve accuracy of image identification and reduce environmental influence. Besides, sound monitoring in animal husbandry has been applied in diseases detection, emotional state recognition, daily behaviors monitoring and estimation of feed intake of free-ranging animals. Calls of animals can be easily obtained with microphones, while meanings and contents of which are essential to understand. Feature parameters and methods are fundamental to get animal’s sound meaningfully. The combination of Mel Frequency Cepstrum Coefficent (MFCC) and Hidden Markov Model (HMM) is proved to have good performance. Sound monitoring technology shows good identification performance in laboratory, while it is not as good as what scholars think due to the noisy animal husbandry filled with people talk, noise of clanging doors and wind. Thus, there is a need to update algorithms to improve identification accuracy in animal husbandry. Those 3 monitoring technologies are harmless to animals during the process of monitoring, while some supervision methods now available worldwide require device implanting or operation to the livestock, which is hence detrimental for increasing welfare. Whereas for the noninvasive monitoring technology, it can effectively cut down the manpower consumption, reduce the damage and stress response during the monitoring, lower the influence on the animals caused by observer, and then enhance the animal welfare. Sensor monitoring, image monitoring and sound monitoring perform well in different ways. It is worth a try to combine 2 or 3 of them to realize better monitoring performance in animal husbandry. Many attempts of noninvasive monitoring have been made and many products have been applied in some western countries, while Chinese scholars attempted to study it just decades years ago. Considering this, Chinese scholars should learn from western scholars and develop advanced noninvasive monitoring equipment.

sensors; monitoring; animals; livestock farming; noninvasive monitoring; animal welfare; image; sound

10.11975/j.issn.1002-6819.2017.20.025

S852.2; S811.8; TP212.9

A

1002-6819(2017)-20-0197-13

2017-05-31

2017-09-12

國(guó)家十三五重點(diǎn)項(xiàng)目（2016YFD05005）

汪開(kāi)英，女，浙江衢州人，副教授，博士生導(dǎo)師，主要從事農(nóng)業(yè)空氣質(zhì)量及動(dòng)物福利方面研究。Email：zjuwky@zju.edu.cn

汪開(kāi)英，趙曉洋，何 勇. 畜禽行為及生理信息的無(wú)損監(jiān)測(cè)技術(shù)研究進(jìn)展[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2017，33(20)：197－209. doi：10.11975/j.issn.1002-6819.2017.20.025 http://www.tcsae.org

Wang Kaiying, Zhao Xiaoyang, He Yong. Review on noninvasive monitoring technology of poultry behavior and physiological information[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(20): 197－209. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.20.025 http://www.tcsae.org