基于計(jì)算機(jī)視覺(jué)技術(shù)的生豬體重智能估測(cè)研究進(jìn)展

孔娟娟，劉桂民，鄧浩然，周學(xué)利，王 龍，管博倫，錢(qián) 蓉*

(1.安徽省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)經(jīng)濟(jì)與信息研究所，安徽合肥 230032;2.安徽省農(nóng)業(yè)科學(xué)院畜牧獸醫(yī)研究所，安徽合肥 230032)

生豬體重是生產(chǎn)者衡量生豬品質(zhì)的重要依據(jù)，也是管理生豬生長(zhǎng)、健康和上市銷(xiāo)售的重要指標(biāo)，是制定科學(xué)飼養(yǎng)決策的必備條件[1]，特別是及時(shí)估測(cè)出育肥豬的體重，決定利潤(rùn)至關(guān)重要，因?yàn)檫@可以讓豬肉生產(chǎn)商在降低勞動(dòng)力和飼料成本的同時(shí)，對(duì)群養(yǎng)豬做出正確的營(yíng)銷(xiāo)決策。安徽農(nóng)業(yè)大學(xué)丁月云等[2-3]研究發(fā)現(xiàn)母豬胸圍、體長(zhǎng)、體高等體尺性狀不僅與繁殖性狀相關(guān)，也與妊娠母豬的生長(zhǎng)狀況、仔豬的初生質(zhì)量有很大相關(guān)性，對(duì)種豬的選種育種有較大指導(dǎo)作用。徐寧迎等[4-6]通過(guò)接觸式方法預(yù)估動(dòng)物活體的體重、體尺等生長(zhǎng)性狀，驗(yàn)證了動(dòng)物體重與體型和各個(gè)生長(zhǎng)性狀間存在相關(guān)性。孟慶利等[7]采用對(duì)比分析方法發(fā)現(xiàn)體尺參數(shù)作為種豬選育指標(biāo)，能提高種豬的選種準(zhǔn)確性，為種豬育種工作重要的參考依據(jù)。Nakavisut等[8]提出體長(zhǎng)可以作為評(píng)價(jià)母豬的生長(zhǎng)狀況和繁殖性狀的標(biāo)準(zhǔn)之一。由此可知，體重體尺是生豬生產(chǎn)的重要因素。劉同海等[9]選用52頭120日齡左右的種豬為研究對(duì)象，手工測(cè)量體長(zhǎng)、體高、體寬、臀寬、臀高、背膘厚、眼肌厚，研發(fā)RBF神經(jīng)網(wǎng)絡(luò)模型，智能預(yù)測(cè)種豬體重，預(yù)測(cè)值與實(shí)際值之間相關(guān)系數(shù)高達(dá)0.998，證明了豬活體重與生長(zhǎng)性狀有著很強(qiáng)相關(guān)性。

在實(shí)際生產(chǎn)中，體重是人工或采用體重箱、磅秤、地秤測(cè)量等電子設(shè)備稱(chēng)量而得，體尺是人工依據(jù)主觀(guān)經(jīng)驗(yàn)?zāi)繙y(cè)或用皮尺測(cè)量。這種接觸式體重體尺測(cè)量方式不僅耗時(shí)耗力，且對(duì)生豬產(chǎn)生較大應(yīng)激反應(yīng)，影響生豬健康發(fā)展，也不符合動(dòng)物福利養(yǎng)殖要求[10]。同時(shí)，在測(cè)量過(guò)程中因生豬姿態(tài)、豬籠大小等條件限制，導(dǎo)致測(cè)量誤差較大，測(cè)量結(jié)果具有局限性[11]。因此，接觸式測(cè)量方法難以滿(mǎn)足生產(chǎn)產(chǎn)業(yè)發(fā)展需求。

該研究重點(diǎn)介紹計(jì)算機(jī)視覺(jué)技術(shù)在生豬非接觸式體重智能測(cè)定方面研究與應(yīng)用，截至目前，已有多位學(xué)者開(kāi)展相關(guān)工作，為非接觸式體重估測(cè)研究提供研究依據(jù)。現(xiàn)有研究表明，通過(guò)提取圖像中生豬體長(zhǎng)、體高、腹圍寬、胸圍寬和背部面積等特征，基于線(xiàn)性函數(shù)或非線(xiàn)性函數(shù)，研發(fā)體重自動(dòng)估測(cè)模型，可實(shí)現(xiàn)非接觸式生豬體重估測(cè)，但受試驗(yàn)數(shù)據(jù)采集條件和模型泛化能力影響，研究結(jié)果未能推廣使用。

1 接觸式體重估測(cè)

黃家圣等[12]手工測(cè)量二元雜種肥豬的體長(zhǎng)、胸圍和體重?cái)?shù)據(jù)，采用公式(1)預(yù)測(cè)肥豬體重，根據(jù)豬只的營(yíng)養(yǎng)情況不同，營(yíng)養(yǎng)良好的為129，營(yíng)養(yǎng)中等的為111，營(yíng)養(yǎng)不良的為93。Johnson于1994年發(fā)表公式(2)，孫宗德[13]通過(guò)試驗(yàn)證明該公式較適用蘇白豬、蘇雜豬、巴克夏豬，對(duì)杜洛克及其雜交豬則誤差較大，人工測(cè)量97頭杜洛克雜交豬的體尺、胸圍和體重?cái)?shù)據(jù)，建立二元一次方程式，如公式(3)所示。李鐵寶等[14-15]測(cè)量生豬的體長(zhǎng)、胸圍、體高、臀圍、腹圍等體尺指標(biāo)，任選多個(gè)指標(biāo)構(gòu)建多元一次方程，依據(jù)實(shí)際體重值獲得自變量系數(shù)，進(jìn)而構(gòu)建體重估測(cè)線(xiàn)性模型，結(jié)果證明實(shí)驗(yàn)室環(huán)境下，基于單個(gè)測(cè)量體尺的回歸方程可以準(zhǔn)確預(yù)估育肥豬體重。李劍秋[16]研究大約克豬估重模型時(shí)也選擇了體長(zhǎng)、體高、胸圍和腹圍4個(gè)指標(biāo)，腿圍數(shù)據(jù)，利用逐步回歸分析法建立預(yù)測(cè)體重的多元回歸數(shù)學(xué)模型，回歸方程如公式(4)所示。對(duì)比上述研究報(bào)道可知，體重預(yù)估值與體尺性狀指標(biāo)數(shù)增多，估重的準(zhǔn)確性更高。

(1)

(2)

y=0.627 2×體長(zhǎng)+1.151 4×胸圍-107.957 9

(3)

y=-155.29+0.223 6體長(zhǎng)+1.145 8體高+0.947 2胸圍+0.700 7腿圍

(4)

2 非接觸式體重估測(cè)

接觸式體重估測(cè)增加飼養(yǎng)員工作量，也給生豬帶來(lái)較大的應(yīng)激反應(yīng)。同時(shí)，在測(cè)量過(guò)程中因生豬行走、跪立等姿勢(shì)，導(dǎo)致手工測(cè)量誤差較大，使得估測(cè)值與實(shí)際體重的相關(guān)性較低。采用非接觸式體重估測(cè)方法，可不受生豬的姿態(tài)影響，避免飼養(yǎng)員手工測(cè)量，也符合動(dòng)物福利養(yǎng)殖的要求。

2.1 傳統(tǒng)CV估測(cè)算法研究Minagawa等[17]先后通過(guò)提取生豬背部圖像面積大小，找出背部面積和體重間相關(guān)性，研發(fā)生豬體重估測(cè)模型，獲得估測(cè)體重的平均誤差小于5%。White等[18]分別用VIA系統(tǒng)和FIRE系統(tǒng)監(jiān)測(cè)生豬的生長(zhǎng)率，以背部面積和輪廓的大小為自變量，構(gòu)建線(xiàn)性自動(dòng)估重模型，發(fā)現(xiàn)因生豬姿勢(shì)變化導(dǎo)致估重值產(chǎn)生偏差，具有重要指導(dǎo)意義。Parsons等[19]于2007年研發(fā)出基于模型的、用于豬生長(zhǎng)和污染物排放綜合控制的實(shí)時(shí)閉環(huán)原型系統(tǒng)和測(cè)試，每個(gè)試驗(yàn)階段生豬體重都是實(shí)時(shí)通過(guò)視覺(jué)圖像分析系統(tǒng)獲取，線(xiàn)上估測(cè)的平均誤差<3.5%。Wang等[20]2006年利用圖像處理技術(shù)從二維圖像矩陣中提取豬后部面積、中間寬度等物理形態(tài)特征，并將它們與活重關(guān)聯(lián)起來(lái)構(gòu)建模型，試驗(yàn)結(jié)果表明投影面積與豬重的相關(guān)性最好。該團(tuán)隊(duì)[21-22]于2008年開(kāi)發(fā)了一種基于圖像的步行系統(tǒng)，無(wú)需將豬限制在固定成像的特定區(qū)域，使用人工神經(jīng)網(wǎng)絡(luò)技術(shù)將步行圖像中提取的外表特征與豬活體重關(guān)聯(lián)起來(lái)，建立估測(cè)模型，試圖提高活重估測(cè)的實(shí)用性，結(jié)果表明，該步行稱(chēng)重系統(tǒng)的平均相對(duì)誤差在3%左右。楊艷等[23-24]利用數(shù)碼攝像機(jī)獲取種豬樣本圖像，采用域值分割法對(duì)圖像進(jìn)行分割，根據(jù)投影區(qū)域與參考系的比例關(guān)系估測(cè)種豬真實(shí)投影面積和體高，并建立了其與體重的回歸方程，預(yù)測(cè)體重與實(shí)際稱(chēng)量體重的平均相對(duì)誤差為3.2%。2018年，Jun等[25]從三方面提出了一種不同于以往研究的基于圖像的豬體重估計(jì)方法。一是不限制豬的姿勢(shì)和圖像捕捉環(huán)境，減少了豬的壓力；二是利用二維圖像的特征，不依賴(lài)于三維深度信息。三是估計(jì)模型是利用機(jī)器學(xué)習(xí)的最新進(jìn)展構(gòu)建的。除了豬的面積作為估計(jì)的主要特征參數(shù)外，引入了與姿態(tài)相關(guān)的曲率和偏差兩個(gè)新特征，從而能夠量化權(quán)重調(diào)整。通過(guò)一組試驗(yàn)研究了特征和神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的組合對(duì)性能的影響。利用477張訓(xùn)練圖像和103張測(cè)試圖像，獲得了平均3.15 kg的估計(jì)誤差，模型的決定系數(shù)R=0.792。Minagawa等[26]選用7頭87日齡雜交品種豬為研究對(duì)象，開(kāi)發(fā)了一種由攝像機(jī)、幻燈機(jī)和計(jì)算機(jī)組成的設(shè)備，通過(guò)成像和圖像分析，從正上方獲取圖像數(shù)據(jù)，使用幻燈機(jī)提供印有黃色交叉線(xiàn)的紅色載玻片，獲得了一幅適合圖像分析的清晰的豬圖像，用圖像分析軟件獲得豬的體高和背部投影面積，用多元回歸方程構(gòu)建預(yù)測(cè)模型，測(cè)量單頭豬的高度和重量，平均誤差為2.1%，組平均誤差為1.3%。

2.2 基于3D圖像的體重估測(cè)與2D圖像相比，3D圖像更完整，具有立體感，能表達(dá)出目標(biāo)對(duì)象各個(gè)角度的細(xì)節(jié)特征，通常用深度相機(jī)采集，其成像原理主要分為3D結(jié)構(gòu)光、TOF和雙目立體視覺(jué)。隨著深度相機(jī)價(jià)格不斷下降，性能逐漸提升，被廣泛應(yīng)用到動(dòng)物體型、體況及體重估測(cè)和行為自動(dòng)識(shí)別等研究中，在實(shí)驗(yàn)室條件下取得較好成效。

2.2.1基于3D圖像的線(xiàn)性估測(cè)模型。中國(guó)農(nóng)業(yè)大學(xué)騰光輝團(tuán)隊(duì)的劉同海[27]采用多元線(xiàn)性回歸、SMLR、RBF和PLS等方法，構(gòu)建了豬體重估測(cè)模型，其中基于RBF神經(jīng)網(wǎng)絡(luò)的豬體重估測(cè)模型的R2為0.977，經(jīng)對(duì)比分析發(fā)現(xiàn)非線(xiàn)性模型預(yù)測(cè)效果明顯優(yōu)于線(xiàn)性模型。Marchant等[28]開(kāi)展了基于圖像的豬體檢測(cè)技術(shù)的研究，應(yīng)用蛇算法改進(jìn)了輪廓提取算法，提取出多個(gè)豬重疊的個(gè)體輪廓，有望改進(jìn)多目標(biāo)中單個(gè)輪廓的提取算法。2016年，Shi等[29]采用雙目攝像機(jī)采集生豬圖像，經(jīng)重建和分割獲得三維圖像，估算出體背部面積和體重間關(guān)系，構(gòu)建生豬體重估算模型，并驗(yàn)證得到生豬體長(zhǎng)和肩高的相關(guān)性約為0.91～0.98，為后期研究提供參考。張建龍等[30]利用深度學(xué)習(xí)技術(shù)估測(cè)生豬體重，試驗(yàn)對(duì)比Xception、MobileNetV2、DenseNet201和ResNet152V2模型，其中DenseNet201估測(cè)效果最佳，在驗(yàn)證集上估測(cè)的相關(guān)系數(shù)為0.99，平均相對(duì)誤差為1.57%。

2.2.2基于3D圖像的非線(xiàn)性估測(cè)模型。雙目視覺(jué)技術(shù)應(yīng)用較為廣泛，2014年，付為森等[31]已開(kāi)始嘗試運(yùn)用雙目視覺(jué)技術(shù)重建生豬立體圖，探索生豬生長(zhǎng)性狀自動(dòng)監(jiān)測(cè)、體尺和體重間相關(guān)性。劉同海[27]分別采用偏最小二乘法和RBF神經(jīng)網(wǎng)絡(luò)算法建立估重模型，精度優(yōu)于普通線(xiàn)性回歸模型，通過(guò)試驗(yàn)對(duì)比，上述兩種算法的估測(cè)精度優(yōu)于線(xiàn)性模型，為基于雙目視覺(jué)技術(shù)下的非接觸式生豬體重估測(cè)研究奠定基礎(chǔ)。

中國(guó)農(nóng)業(yè)大學(xué)騰光輝[27，32]團(tuán)隊(duì)先后使用雙目視覺(jué)技術(shù)采集生豬三維圖像數(shù)據(jù)，通過(guò)圖像處理方法提取胸圍、臀高、體長(zhǎng)、體高、體寬等生長(zhǎng)性狀數(shù)據(jù)，分別基于線(xiàn)性函數(shù)、非線(xiàn)性函數(shù)、機(jī)器學(xué)習(xí)算法和深度學(xué)習(xí)算法等構(gòu)建預(yù)測(cè)模型，豬體重估測(cè)值與實(shí)測(cè)值相關(guān)系數(shù)為97%，平均相對(duì)誤差為2.5%，優(yōu)于僅用背部面積估測(cè)模型。2014年，Kongsro[33]利用深度圖像不需要太多校準(zhǔn)工作，也不容易受到背景和光照等噪音影響的特點(diǎn)，基于微軟Kinect攝像頭技術(shù)，利用紅外圖像深度值，設(shè)計(jì)了一個(gè)用于豬稱(chēng)重的原型，該系統(tǒng)成功地對(duì)長(zhǎng)白羊和杜洛克兩種不同純種的體重進(jìn)行了估計(jì)，與美國(guó)奧斯本的Fire系統(tǒng)稱(chēng)量體重值間平均誤差在4%～5%。

3 展望

生豬體重一直倍受養(yǎng)殖戶(hù)關(guān)注，傳統(tǒng)體重稱(chēng)量方式地磅秤、過(guò)道秤和桿秤等工具人工稱(chēng)量，要求工人有一定體力才能勝任，稱(chēng)量過(guò)程耗時(shí)很久，同時(shí)，給生豬帶來(lái)的應(yīng)激反應(yīng)更為嚴(yán)重。近年，計(jì)算機(jī)視覺(jué)技術(shù)快速發(fā)展，被成功應(yīng)用到生豬產(chǎn)業(yè)發(fā)展中，基于2D或3D圖像的生豬非接觸式體重估測(cè)是典型應(yīng)用之一。對(duì)比已有研究報(bào)道可知，利用圖像處理技術(shù)分析生豬3D圖像特征信息，提取體尺相關(guān)指標(biāo)，通過(guò)卷積神經(jīng)網(wǎng)絡(luò)模型、PointNet++模型等非線(xiàn)性函數(shù)方法構(gòu)建生豬自動(dòng)估重模型，在實(shí)驗(yàn)室條件下估測(cè)效果更為理想。為了加速基于3D圖像的非接觸式生豬估重方法落地，應(yīng)擴(kuò)大研究對(duì)象范圍，在豬場(chǎng)實(shí)際生產(chǎn)場(chǎng)景下采集數(shù)據(jù)，進(jìn)而提高估重模型的泛化能力，有利于估重模型產(chǎn)品化，避免傳統(tǒng)稱(chēng)量方法帶來(lái)的生豬應(yīng)激反應(yīng)，進(jìn)而減少生產(chǎn)損失，降低豬場(chǎng)運(yùn)營(yíng)的生產(chǎn)成本，可用于生豬生長(zhǎng)過(guò)程的監(jiān)測(cè)和研究，為生豬的精準(zhǔn)飼養(yǎng)管理提供了一種有效的監(jiān)測(cè)手段。