圖像識(shí)別技術(shù)在雞養(yǎng)殖領(lǐng)域的應(yīng)用

趙寧， 李星， 江勇， 王志秀， 畢瑜林， 陳國(guó)宏，2，白皓， 常國(guó)斌，

（1.揚(yáng)州大學(xué)動(dòng)物科學(xué)與技術(shù)學(xué)院，江蘇 揚(yáng)州 225009； 2.揚(yáng)州大學(xué)農(nóng)業(yè)科技發(fā)展研究院，教育部農(nóng)業(yè)與農(nóng)產(chǎn)品安全國(guó)際合作聯(lián)合實(shí)驗(yàn)室，江蘇 揚(yáng)州 225009）

畜牧業(yè)是我國(guó)農(nóng)業(yè)農(nóng)村經(jīng)濟(jì)的支柱產(chǎn)業(yè)之一，在國(guó)民經(jīng)濟(jì)中發(fā)揮著十分重要的作用，不僅惠及民生、滿足了人們對(duì)肉蛋奶制品的需求，還促進(jìn)了我國(guó)經(jīng)濟(jì)穩(wěn)定發(fā)展[1]。家禽產(chǎn)業(yè)是我國(guó)畜牧業(yè)的傳統(tǒng)產(chǎn)業(yè)，在我國(guó)畜牧業(yè)中占據(jù)重要地位。與家畜相比，家禽具有生長(zhǎng)迅速、性成熟早、繁殖能力強(qiáng)、飼料轉(zhuǎn)化效率高、單位體重產(chǎn)品率高等特點(diǎn)，能短期內(nèi)生產(chǎn)大批量的蛋、肉產(chǎn)品，滿足人們?nèi)粘Ｉ钚枨骩2]。然而，家禽養(yǎng)殖易受養(yǎng)殖環(huán)境、疫病及飼料營(yíng)養(yǎng)等諸多因素影響，會(huì)對(duì)家禽生產(chǎn)性能及健康造成影響，甚至嚴(yán)重制約家禽養(yǎng)殖業(yè)的長(zhǎng)遠(yuǎn)發(fā)展[3]。一方面，養(yǎng)殖場(chǎng)家禽數(shù)量眾多，飼養(yǎng)密集，僅依靠人工對(duì)家禽監(jiān)測(cè)，不僅浪費(fèi)勞動(dòng)力、增加經(jīng)濟(jì)成本，而且易出現(xiàn)人為誤判和漏判情況，同時(shí)，人工監(jiān)測(cè)也易引起家禽應(yīng)激反應(yīng)，導(dǎo)致家禽生產(chǎn)性能下降[4]；另一方面，禽流感、新城疫等傳染性疾病時(shí)有發(fā)生，增加了人與家禽交叉感染風(fēng)險(xiǎn)，造成嚴(yán)重經(jīng)濟(jì)損失。因此，養(yǎng)殖人員更加注重家禽養(yǎng)殖福利及精準(zhǔn)化管理，這使得實(shí)時(shí)監(jiān)測(cè)的智能化養(yǎng)殖成為當(dāng)前研究熱點(diǎn)。隨著現(xiàn)代信息技術(shù)的快速發(fā)展，國(guó)內(nèi)外涌現(xiàn)出一批農(nóng)業(yè)生產(chǎn)智能化監(jiān)測(cè)技術(shù)，如音頻分析技術(shù)、圖像識(shí)別技術(shù)、無線傳感器網(wǎng)絡(luò)技術(shù)及射頻識(shí)別（radio frequency identification，RFID）技術(shù)等[5]。圖像識(shí)別基于強(qiáng)大的算法和處理系統(tǒng)，具有連續(xù)、客觀、實(shí)時(shí)、非接觸、靈活性好等優(yōu)點(diǎn)，被廣泛應(yīng)用于畜禽識(shí)別[6]、行為監(jiān)測(cè)[7]、體況評(píng)分[8]、疾病監(jiān)測(cè)[9-10]等畜禽養(yǎng)殖生產(chǎn)中，不僅提高了畜禽養(yǎng)殖福利，實(shí)現(xiàn)了畜禽健康養(yǎng)殖，也為畜禽養(yǎng)殖提供理論支持和技術(shù)參考[11-12]。本文總結(jié)了圖像識(shí)別技術(shù)在雞行為識(shí)別、體質(zhì)量估計(jì)、健康監(jiān)測(cè)、產(chǎn)品分級(jí)中的應(yīng)用，旨在了解圖像識(shí)別技術(shù)在雞養(yǎng)殖中的研究現(xiàn)狀，為雞智慧養(yǎng)殖生產(chǎn)提供合理參考，對(duì)促進(jìn)我國(guó)家禽產(chǎn)業(yè)的安全、可持續(xù)健康發(fā)展具有積極意義。

1 圖像識(shí)別技術(shù)概述

圖像識(shí)別技術(shù)是目前人工智能領(lǐng)域的重要組成部分，其利用計(jì)算機(jī)視覺、模式識(shí)別、機(jī)器學(xué)習(xí)等技術(shù)方法，達(dá)到自動(dòng)識(shí)別圖像信息的目的[13]。圖像識(shí)別技術(shù)在20 世紀(jì)初開始出現(xiàn)并初步應(yīng)用于西方國(guó)家，但只是對(duì)數(shù)字和符號(hào)進(jìn)行簡(jiǎn)單識(shí)別；20 世紀(jì)60 年代以后，電子計(jì)算機(jī)技術(shù)迅速發(fā)展，圖像在傳輸過程中很大程度上保留了原始圖像，并將圖像壓縮成一定的格式，實(shí)現(xiàn)了圖像的低耗損傳輸；20 世紀(jì)70 年代，計(jì)算機(jī)行業(yè)技術(shù)不斷優(yōu)化改革，人們開始研究如何使用計(jì)算機(jī)表達(dá)圖像的意義，并在實(shí)際應(yīng)用中獲得了重要成果；到20 世紀(jì)90 年代，圖像識(shí)別處理技術(shù)才真正開始發(fā)展；到21 世紀(jì)，隨著科學(xué)技術(shù)迅猛發(fā)展，圖像識(shí)別技術(shù)得到飛躍發(fā)展，達(dá)到了成熟期，在醫(yī)學(xué)、交通、農(nóng)業(yè)等領(lǐng)域廣泛應(yīng)用[14-16]。圖像識(shí)別技術(shù)的原理與人類眼睛識(shí)別物體的原理相似，都是通過圖像本身具有的獨(dú)特特征，排除多余信息干擾對(duì)圖像進(jìn)行識(shí)別，最后進(jìn)行分類儲(chǔ)存[17]。其過程主要包括信息的獲取、圖像預(yù)處理、特征抽取和選擇、分類器設(shè)計(jì)和分類決策。其中，信息獲取主要是利用設(shè)備采集圖像并將圖像轉(zhuǎn)換成計(jì)算機(jī)可識(shí)別的信息；預(yù)處理主要采用去噪、平滑、變換等方式加強(qiáng)圖像重要特征；特征抽取和選擇是通過一定方式分離圖像特征，提取有價(jià)值特征，實(shí)現(xiàn)圖像識(shí)別；分類器設(shè)計(jì)和分類決策是制定識(shí)別規(guī)則，實(shí)現(xiàn)圖像識(shí)別技術(shù)高識(shí)別率，再經(jīng)分類模型對(duì)被識(shí)別對(duì)象進(jìn)行準(zhǔn)確分類[18]。目前圖像識(shí)別技術(shù)應(yīng)用的常見形式有3 種：一是模式識(shí)別形式，該形式基于大量的信息數(shù)據(jù)識(shí)別圖像，使計(jì)算機(jī)分析和數(shù)學(xué)算法有機(jī)融合，實(shí)現(xiàn)對(duì)圖像特征的自動(dòng)識(shí)別，并準(zhǔn)確評(píng)價(jià)數(shù)據(jù)信息，目前該形式的圖像識(shí)別技術(shù)主要在醫(yī)療領(lǐng)域[19]廣泛應(yīng)用；二是非線性降維形式，該形式屬于高維識(shí)別技術(shù)，不僅能夠從整體上不斷提升圖像辨識(shí)率，還能深入解決一些圖像本身分辨率低的問題，目前該形式的圖像識(shí)別技術(shù)主要應(yīng)用在人臉識(shí)別[20]中；三是神經(jīng)網(wǎng)絡(luò)形式，該形式是目前應(yīng)用較多的一種形式，主要以傳統(tǒng)的圖像識(shí)別技術(shù)為前提，融合現(xiàn)代化神經(jīng)網(wǎng)絡(luò)的算法，在識(shí)別復(fù)雜圖像時(shí)可以取得良好的效果[21-22]。近年來，隨著深度學(xué)習(xí)的發(fā)展，Krizhevsky 團(tuán)隊(duì)[23]首次通過深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks，CNN）實(shí)現(xiàn)圖像識(shí)別，使得圖像識(shí)別在精度、準(zhǔn)確度和實(shí)時(shí)性方面取得了顯著改善，在各行各業(yè)都有廣泛應(yīng)用前景，如種植業(yè)[24]、養(yǎng)殖業(yè)[25]、交通領(lǐng)域[26]、醫(yī)學(xué)領(lǐng)域[27]等。如今，在我國(guó)社會(huì)經(jīng)濟(jì)發(fā)展和鄉(xiāng)村振興戰(zhàn)略大背景下，為了更好地適應(yīng)智慧畜牧業(yè)的發(fā)展趨勢(shì)，家禽養(yǎng)殖業(yè)要緊跟發(fā)展潮流，充分利用圖像識(shí)別技術(shù)全面、高效、即時(shí)地獲取家禽信息，提高家禽整體養(yǎng)殖率和經(jīng)濟(jì)效益，實(shí)現(xiàn)家禽養(yǎng)殖業(yè)的自動(dòng)化、產(chǎn)業(yè)化和智能化發(fā)展。

2 圖像識(shí)別技術(shù)在雞養(yǎng)殖中的應(yīng)用

2.1 圖像識(shí)別技術(shù)在雞行為識(shí)別方面的應(yīng)用

動(dòng)物行為是指動(dòng)物的行動(dòng)、聲音和身體姿勢(shì)，是評(píng)價(jià)動(dòng)物福利的重要指標(biāo)。雞的傳統(tǒng)行為識(shí)別主要依靠人工識(shí)別，該方法費(fèi)時(shí)費(fèi)力，對(duì)技術(shù)人員要求高，易出現(xiàn)人為錯(cuò)誤。與傳統(tǒng)的雞行為監(jiān)測(cè)相比，圖像識(shí)別技術(shù)可以自動(dòng)監(jiān)測(cè)、記錄和識(shí)別雞的不同行為，不僅效率高，還減少了人工對(duì)雞的應(yīng)激反應(yīng)。Leroy 等[28]開發(fā)了圖像處理系統(tǒng)來調(diào)查不同時(shí)間籠中雞的行為，雞的行走、站立和抓撓動(dòng)作會(huì)被自動(dòng)識(shí)別出來。勞鳳丹等[29]利用計(jì)算機(jī)視覺技術(shù)對(duì)單只蛋雞圖像進(jìn)行行為識(shí)別，可自動(dòng)識(shí)別單只蛋雞的運(yùn)動(dòng)、飲水、采食、修飾、抖動(dòng)、休息、拍翅膀、探索、舉翅膀等行為。為了解決復(fù)雜背景對(duì)圖像處理帶來的困難，勞鳳丹等[30]提出了深度圖像分析技術(shù)識(shí)別蛋雞行為的方法，實(shí)現(xiàn)了蛋雞群體行為和個(gè)體行為的自動(dòng)識(shí)別。劉修林[31]基于機(jī)器視覺技術(shù)研制了家禽信息監(jiān)控系統(tǒng)，實(shí)現(xiàn)了禽舍內(nèi)雞只行為識(shí)別和多個(gè)個(gè)體追蹤識(shí)別。Aydin[32]基于計(jì)算機(jī)視覺開發(fā)了肉仔雞跛足早期檢測(cè)系統(tǒng)，監(jiān)控不同步態(tài)評(píng)分下雞體的活動(dòng)特征量（速度、步頻、步長(zhǎng)、身體擺動(dòng)），發(fā)現(xiàn)步態(tài)評(píng)分與活動(dòng)特征量之間存在相關(guān)性，為檢測(cè)雞行為活動(dòng)提供了新方法。Fang等[33]提出了基于深度神經(jīng)網(wǎng)絡(luò)的肉雞行為分類方法，成功實(shí)現(xiàn)了肉雞站立、行走、奔跑、進(jìn)食、休息和整理羽毛的行為識(shí)別，識(shí)別測(cè)試精度分別為0.751 1（站立）、0.513 5（行走）、0.627 0（奔跑）、0.936 1（進(jìn)食）、0.962 3（休息）、0.925 8（整理）。此外，F(xiàn)ang 等[34]還設(shè)計(jì)了姿勢(shì)估計(jì)系統(tǒng)，通過高清攝像多方位收集肉雞照片信息，利用深度神經(jīng)網(wǎng)絡(luò)提取復(fù)雜圖像特征，實(shí)現(xiàn)單只肉雞姿勢(shì)識(shí)別，準(zhǔn)確率達(dá)91.9%。

圖像識(shí)別技術(shù)在雞采食、飲水、運(yùn)動(dòng)等行為識(shí)別方面研究較多，而對(duì)雞性行為（求偶、交配和射精）自動(dòng)識(shí)別的研究較少。圖像識(shí)別技術(shù)識(shí)別精準(zhǔn)度有待進(jìn)一步加強(qiáng)，輕微的肢體變化會(huì)影響識(shí)別的準(zhǔn)確度，如雞的探索行為被誤認(rèn)為休息行為的比例較高，其原因?yàn)閳D像中部分站立蛋雞脖子的動(dòng)作幅度較大而引起誤判[29]。此外，大多研究都是在特定的飼養(yǎng)環(huán)境中進(jìn)行，缺乏普遍適用性，未來應(yīng)開展不同場(chǎng)景下的兼容性精準(zhǔn)研究。

2.2 圖像識(shí)別技術(shù)在雞體質(zhì)量估測(cè)方面的應(yīng)用

動(dòng)物體質(zhì)量是反映動(dòng)物生長(zhǎng)發(fā)育、生產(chǎn)性能的綜合性指標(biāo)，是畜禽養(yǎng)殖所關(guān)注的主要生長(zhǎng)指標(biāo)之一。雞的傳統(tǒng)體質(zhì)量測(cè)量方法主要采用電子秤或從雞籠中隨機(jī)挑選出幾個(gè)代表性雞只進(jìn)行稱重，并求平均值來預(yù)估整籠雞只的生長(zhǎng)信息，這種方法不僅工作量大，還會(huì)使雞產(chǎn)生應(yīng)激反應(yīng)，影響雞的質(zhì)量和產(chǎn)量，而利用圖像識(shí)別技術(shù)能有效克服以上缺點(diǎn)。Mollah 等[35]使用數(shù)字圖像分析技術(shù)估計(jì)肉雞的活體質(zhì)量，利用圖像分析肉雞體表面積，建立線性方程估計(jì)肉雞的體質(zhì)量，估算的體質(zhì)量與人工測(cè)定體質(zhì)量差異不顯著（P＞0.05）。Mortensen 等[36]開發(fā)了全自動(dòng)肉雞3D 攝像稱重系統(tǒng)，首先對(duì)采集的圖像進(jìn)行分割，提取12 個(gè)不同的描述量，然后利用貝葉斯人工神經(jīng)網(wǎng)絡(luò)達(dá)到預(yù)測(cè)肉雞體質(zhì)量的目的。王琳等[37]提出了肉雞體質(zhì)量估測(cè)方法，利用數(shù)值積分提取雞的圖像特征，結(jié)合BP (back propagation) 神經(jīng)網(wǎng)絡(luò)，準(zhǔn)確實(shí)現(xiàn)群體肉雞的體質(zhì)量估測(cè)。Amraei等[38]提取肉雞身體面積、凸面面積、周長(zhǎng)、偏心率、長(zhǎng)軸和短軸長(zhǎng)度等特征量并結(jié)合橢圓擬合算法進(jìn)行肉雞定位，成功實(shí)現(xiàn)活體肉雞體質(zhì)量預(yù)測(cè)。張寶全[39]開發(fā)了一套集背景分割、粘連分離、特征提取以及體質(zhì)量估計(jì)于一體的蛋雞體重檢測(cè)系統(tǒng)，采用圖像處理與機(jī)器學(xué)習(xí)技術(shù)，實(shí)現(xiàn)了單只蛋雞到多只蛋雞的體質(zhì)量預(yù)測(cè)。郭蓓佳等[40]利用圖像處理技術(shù)提取蛋雞圖像二維特征，構(gòu)建MLP（multi-layer perception）神經(jīng)網(wǎng)絡(luò)體質(zhì)量估測(cè)模型，可有效監(jiān)測(cè)蛋雞育成期的體質(zhì)量。

目前圖像識(shí)別技術(shù)雖應(yīng)用于測(cè)量活雞體質(zhì)量，但雞體型不規(guī)則，不同體型特征會(huì)直接影響結(jié)果值，導(dǎo)致該技術(shù)在雞養(yǎng)殖業(yè)中應(yīng)用困難，且上述研究大多在理想狀態(tài)下采集雞的俯視圖運(yùn)用算法進(jìn)行體質(zhì)量估計(jì)，而實(shí)際試驗(yàn)中，雞天生好動(dòng)體型多變，導(dǎo)致圖像特征提取不完全，影響體質(zhì)量預(yù)測(cè)的準(zhǔn)確性。未來在養(yǎng)殖場(chǎng)內(nèi)應(yīng)采用多視角圖像采集方法，全方位收集雞的信息，分別從雞站立、臥倒、運(yùn)動(dòng)等行為方面進(jìn)行體質(zhì)量預(yù)測(cè)，提高雞的體質(zhì)量預(yù)測(cè)準(zhǔn)確性。若將其應(yīng)用于實(shí)際，仍需利用不同品種個(gè)體對(duì)同一種體質(zhì)量的預(yù)測(cè)模型進(jìn)一步驗(yàn)證。

2.3 圖像識(shí)別技術(shù)在雞健康監(jiān)測(cè)方面的應(yīng)用

家禽的健康狀況對(duì)人民生活和畜牧業(yè)發(fā)展有著極其重要的作用。傳統(tǒng)的雞健康監(jiān)測(cè)主要以人工為主，通過肉眼逐個(gè)檢查雞冠、羽毛、行為活動(dòng)和生長(zhǎng)狀況來判斷雞是否健康，一方面該方法會(huì)引起雞的應(yīng)激反應(yīng)，另一方面會(huì)造成誤判漏判，錯(cuò)過最佳治療時(shí)間，而圖像識(shí)別技術(shù)可以實(shí)現(xiàn)非接觸精準(zhǔn)測(cè)定和疾病早期監(jiān)測(cè)，具有快速、無創(chuàng)的優(yōu)點(diǎn)。目前，國(guó)內(nèi)外許多研究主要基于紅外熱成像、深度圖像、可見光圖像的識(shí)別技術(shù)，通過獲取禽類體溫、外型、行為與動(dòng)作、排泄物等特征，識(shí)別禽類疾病、體溫異常和死亡情況。

家禽疾病被認(rèn)為是影響家禽生產(chǎn)的關(guān)鍵因素之一，長(zhǎng)期以來一直限制著家禽業(yè)的發(fā)展[41]。目前雞常見疾病有腳墊皮炎（footpad dermatitis，F(xiàn)PD）、禽流感、新城疫及寄生蟲病等，患病雞往往表現(xiàn)出外觀、姿態(tài)、行為、糞便、體溫等方面的變化，利用圖像識(shí)別技術(shù)可準(zhǔn)確診斷出患病雞[42-47]。Wilcox等[42]使用熱成像儀捕獲母雞足底圖像，生成紅外圖像，通過顯示的雞足底表面溫度，成功識(shí)別患病雞。Moe等[43]利用熱成像儀測(cè)量火雞足底體溫，發(fā)現(xiàn)輕度腳墊皮炎的嚴(yán)重程度與腳墊的足底表面溫度有關(guān)。Zhuang等[44]提出了自動(dòng)診斷散養(yǎng)肉雞健康狀況的方法，通過采集圖像提取肉雞骨骼姿態(tài)夾角、輪廓凹凸度、輪廓伸長(zhǎng)度等7個(gè)特征量，采用支持向量（support vector machines, SVM）模型對(duì)健康肉雞和禽流感雞自動(dòng)分類，準(zhǔn)確率達(dá)99.469%。Quach 等[45]提出了家禽疾病識(shí)別的神經(jīng)網(wǎng)絡(luò)模型ResNet-50，該模型通過判別雞的頭部，翅膀和腿部等特定部位來識(shí)別患有禽流感、禽痘、傳染性喉氣管炎和馬雷克的病雞。Mbelwa 等[46]提出了家禽寄生蟲病圖像識(shí)別方法，該方法基于CNN 對(duì)患?。ㄇ蛳x病和沙門氏菌）雞和健康雞的糞便圖像進(jìn)行識(shí)別分類，從而識(shí)別家禽寄生蟲病。Colles等[47]基于光流法分析的圖像識(shí)別技術(shù)，通過測(cè)量一系列圖像中的亮度變化分析雞群運(yùn)動(dòng)產(chǎn)生的“光流”模式，檢測(cè)感染彎曲桿菌的雞。

家禽疾病的早期發(fā)現(xiàn)和預(yù)警在家禽養(yǎng)殖中起著至關(guān)重要的作用，患病雞的早期監(jiān)測(cè)可讓養(yǎng)殖者和獸醫(yī)及時(shí)采取管理預(yù)防措施，降低疾病傳播速度，減少經(jīng)濟(jì)損失。Aydin[48]使用3D 視覺相機(jī)采集肉雞俯視圖，通過檢測(cè)肉雞躺臥狀態(tài)次數(shù)和躺臥時(shí)間，自動(dòng)評(píng)估肉雞的跛足狀態(tài)，準(zhǔn)確率達(dá)93%。沈明霞等[49]采集肉雞步態(tài)視頻，構(gòu)建肉雞早期跛行模型，實(shí)現(xiàn)對(duì)肉雞跛行狀態(tài)的早期預(yù)測(cè)。雞行為活動(dòng)和外型變化可直觀地反映雞精神和健康狀態(tài)，實(shí)現(xiàn)雞疫病早期監(jiān)測(cè)。勞鳳丹等[30]和劉修林[31]通過計(jì)算機(jī)識(shí)別技術(shù)追蹤家禽活動(dòng)情況及運(yùn)動(dòng)軌跡，識(shí)別家禽的活躍度及群體行為是否正常。Naas 等[50]通過攝像機(jī)拍攝雞群，利用圖像處理技術(shù)，獲得雞群聚集和分散特性，成為判斷雞群熱舒適性的依據(jù)。鄭雙陽(yáng)等[51]基于機(jī)器視覺技術(shù)研制了自動(dòng)判斷雞籠內(nèi)病死雞的系統(tǒng)，通過蛋雞進(jìn)食時(shí)雞腿和腹部圖像變化來判斷病死雞。Okinda等[52]提出了基于機(jī)器視覺的肉雞行走監(jiān)控系統(tǒng)，以姿態(tài)形狀描述和行走速度作為特征變量，用于肉雞疾病的早期監(jiān)測(cè)。李亞碩等[53]通過提取雞冠的顏色進(jìn)行機(jī)器視覺識(shí)別，判斷雞舍是否有患病雞，試驗(yàn)結(jié)果表明該方法具有較高的檢測(cè)準(zhǔn)確率。Chen[54]設(shè)計(jì)了病雞識(shí)別模型，利用CNN 對(duì)雞冠、皮膚、羽毛和糞便進(jìn)行檢測(cè)，判斷雞群是否患病。Zhuang等[55]提出了基于數(shù)字圖像處理和深度學(xué)習(xí)的雞群病雞識(shí)別模型結(jié)構(gòu)IFSSD，該模型根據(jù)肉雞躺臥姿勢(shì)和羽毛蓬松程度對(duì)肉仔雞健康狀況進(jìn)行有效識(shí)別，準(zhǔn)確率達(dá)99.7%。莊曉霖[56]還提出基于計(jì)算機(jī)視覺的籠養(yǎng)雞異常行為檢測(cè)方法，能在復(fù)雜的雞籠環(huán)境下識(shí)別雞只站立和臥倒姿態(tài)。畢敏娜等[57]提出了基于雞冠及雞眼構(gòu)成的雞頭特征信息的病雞識(shí)別方法，采集黃羽雞側(cè)拍圖像，提取雞冠紋理特征和雞眼瞳孔的形狀特征進(jìn)行病雞識(shí)別，準(zhǔn)確率達(dá)92.5%。此外，通過體溫及排泄物監(jiān)測(cè)也可進(jìn)行家禽的早期監(jiān)測(cè)。沈明霞等[58]利用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)肉雞體溫檢測(cè)，依據(jù)環(huán)境溫度、濕度、光照強(qiáng)度等因素，建立基于BP神經(jīng)網(wǎng)絡(luò)的肉雞翅下溫度反演模型，可快速、準(zhǔn)確地檢測(cè)肉雞體溫。Wang 等[59]提出了肉雞消化系統(tǒng)疾病檢測(cè)器，結(jié)合CNN 實(shí)現(xiàn)了異常肉雞糞便的識(shí)別和分類，為肉雞消化系統(tǒng)疾病的早期檢測(cè)和預(yù)警提供了技術(shù)支持。

利用圖像識(shí)別技術(shù)進(jìn)行雞健康監(jiān)測(cè)（疾病監(jiān)測(cè)和早期監(jiān)測(cè)）的準(zhǔn)確度相對(duì)較高，但真正利用圖像識(shí)別技術(shù)監(jiān)測(cè)禽疾病的研究較少，其原因一方面是由于圖像識(shí)別技術(shù)本身的局限性，如群體數(shù)量過多，無法識(shí)別單個(gè)個(gè)體或不能精準(zhǔn)定位測(cè)量部位；另一方面是由于禽疾病癥狀的相似性，如發(fā)生禽流感、雞霍亂時(shí)，雞體溫都升高，冠黑紫且排黃綠色糞便，導(dǎo)致圖像識(shí)別不能準(zhǔn)確區(qū)分。因此圖像識(shí)別技術(shù)在監(jiān)測(cè)禽疾病方面仍需進(jìn)一步優(yōu)化。

2.4 圖像識(shí)別技術(shù)在雞產(chǎn)品分級(jí)方面的應(yīng)用

2.4.1 雞肉品質(zhì)分級(jí) 中國(guó)是禽肉生產(chǎn)和消費(fèi)大國(guó)，禽肉蛋白質(zhì)含量高、易消化、營(yíng)養(yǎng)價(jià)值高、價(jià)格低，在人類生活中具有不可替代的作用。隨著人民生活水平的不斷提高，肉品質(zhì)已引起廣泛關(guān)注。傳統(tǒng)的禽肉品質(zhì)檢測(cè)分級(jí)主要通過專業(yè)人員進(jìn)行感官評(píng)價(jià)或者利用實(shí)驗(yàn)室手段進(jìn)行檢測(cè)，這種檢測(cè)方式需要運(yùn)用大量的儀器設(shè)備，操作繁瑣耗時(shí)，且對(duì)樣品具有破壞性。近年來，國(guó)內(nèi)外學(xué)者利用圖像識(shí)別技術(shù)對(duì)雞肉品質(zhì)進(jìn)行檢測(cè)和分級(jí)，該技術(shù)主要用于檢測(cè)肉色、大理石花紋、嫩度、脂肪含量等外部特性，克服了傳統(tǒng)禽肉品質(zhì)檢測(cè)技術(shù)的缺點(diǎn)，滿足了快速、準(zhǔn)確、無損、實(shí)時(shí)等的檢測(cè)要求。Geronimo 等[60]利用近紅外光譜和計(jì)算機(jī)視覺系統(tǒng)采集雞胸肉質(zhì)光譜信息，通過提取肉質(zhì)強(qiáng)度和紋理特征，準(zhǔn)確分辨木質(zhì)雞胸肉和正常雞肉。Taheri-Garavand 等[61]開發(fā)了在線評(píng)估雞肉新鮮度的技術(shù)，通過計(jì)算機(jī)視覺和人工智能捕獲不同時(shí)間段的雞腿圖像，經(jīng)圖像預(yù)處理、特征提取，最后基于神經(jīng)網(wǎng)絡(luò)建立雞肉新鮮度評(píng)價(jià)的預(yù)測(cè)模型識(shí)別雞肉新鮮度。涂冬成[62]建立了禽肉品質(zhì)快速無損檢測(cè)技術(shù)，首先利用計(jì)算機(jī)識(shí)別技術(shù)提取禽肉肉色特征參數(shù)，采用SVM 方法建立肉色分類器，成功實(shí)現(xiàn)禽肉色分級(jí)；之后，利用激光誘導(dǎo)熒光光譜技術(shù)對(duì)禽肉彈性和嫩度指標(biāo)進(jìn)行無損檢測(cè)研究，發(fā)現(xiàn)雞肉彈性和嫩度可以被準(zhǔn)確檢測(cè)。丁筱玲等[63]設(shè)計(jì)了智能識(shí)別雞翅質(zhì)量的方法，通過計(jì)算機(jī)技術(shù)采集雞翅俯視和側(cè)視圖，提取雞翅面積、輪廓周長(zhǎng)和長(zhǎng)短軸等特征，建立雞翅實(shí)際質(zhì)量和樣本實(shí)際特征值之間的預(yù)測(cè)模型，實(shí)現(xiàn)對(duì)雞翅質(zhì)量的預(yù)測(cè)。

2.4.2 蛋品質(zhì)分級(jí) 禽蛋含有豐富的優(yōu)質(zhì)蛋白質(zhì)和人體必需的多種氨基酸，隨著膳食結(jié)構(gòu)的改變，人們更加注重蛋營(yíng)養(yǎng)和蛋品質(zhì)，在選擇禽蛋方面通常更注重尺寸、新鮮度、外形等。傳統(tǒng)的雞蛋產(chǎn)品檢測(cè)分級(jí)需要大量的勞動(dòng)力進(jìn)行手工操作，對(duì)蛋不規(guī)則的形狀、蛋殼裂紋等缺陷無法準(zhǔn)確識(shí)別，且對(duì)雞蛋的重量也無法準(zhǔn)確衡量。利用圖像識(shí)別技術(shù)可以高效、無損地檢測(cè)雞蛋蛋殼裂紋、尺寸、新鮮度等品質(zhì)，還能準(zhǔn)確自動(dòng)分揀雞蛋。邢志中等[64]研發(fā)了新的雞蛋品質(zhì)檢測(cè)與分級(jí)技術(shù)，利用彩色相機(jī)采集雞蛋數(shù)字圖像，經(jīng)預(yù)處理后根據(jù)雞蛋形狀特性和顏色特征參數(shù)建立BP 神經(jīng)網(wǎng)絡(luò)模型對(duì)雞蛋新鮮度進(jìn)行檢測(cè)。梁丹等[65]研究了一體化的雞蛋品質(zhì)無損檢測(cè)與分級(jí)系統(tǒng)，利用機(jī)器視覺算法實(shí)現(xiàn)對(duì)雞蛋裂紋、尺寸、新鮮度等品質(zhì)等級(jí)的自動(dòng)化在線檢測(cè)與分級(jí)。Alikhanov 等[66]設(shè)計(jì)了雞蛋形狀和重量的自動(dòng)分揀系統(tǒng)，通過捕獲雞蛋圖片，利用圖像識(shí)別算法提取雞蛋短軸和長(zhǎng)軸、面積和周長(zhǎng)、形狀系數(shù)和形狀指數(shù)的特征，采用回歸模型對(duì)雞蛋形狀和重量自動(dòng)分揀。Harnsoongnoen 等[67]提出了雞蛋分級(jí)和新鮮度評(píng)估的新方法，該方法將圖像處理系統(tǒng)與稱重傳感器相結(jié)合，利用圖像處理技術(shù)評(píng)估雞蛋體積，稱重系統(tǒng)測(cè)量雞蛋重量，通過蛋重和蛋體積計(jì)算密度進(jìn)行分級(jí)和雞蛋新鮮度評(píng)價(jià)。Zhu 等[68]為了在孵化早期識(shí)別雞蛋的性別，構(gòu)建了機(jī)器視覺圖像采集系統(tǒng)，該系統(tǒng)為孵化初期的雞蛋性別識(shí)別提供了可行的方法。

2.4.3 胴體識(shí)別和品質(zhì)分級(jí) 圖像識(shí)別技術(shù)還可以進(jìn)行雞胴體識(shí)別和品質(zhì)分級(jí)。電子計(jì)算機(jī)斷層掃描（computed tomography，CT）和雙能X 射線吸收測(cè)定法（dual-energy x-ray absorptiometry，DEXA）基于X射線（光子）的相關(guān)儀器對(duì)活體或尸體進(jìn)行掃描，以測(cè)量脂肪、肌肉（水，蛋白質(zhì)）和部分骨骼或骨礦物質(zhì)等身體和胴體成分信息[69]。Schallier等[70]利用DEXA 掃描儀測(cè)量肉雞體內(nèi)和胴體成分，發(fā)現(xiàn)DEXA 估計(jì)值與解剖獲得的絕對(duì)組織值高度相關(guān)，可根據(jù)雞的脂肪和瘦肉組織含量來評(píng)價(jià)胴體質(zhì)量，根據(jù)雞的骨礦物質(zhì)含量來評(píng)價(jià)骨骼發(fā)育情況。Grandhaye 等[71]利用CT 掃描儀多次掃描活體肉雞，分析了肉雞身體組成（肌肉、骨骼、脂肪、性腺）的發(fā)展，并通過研究肉雞身體成分隨時(shí)間的變化，對(duì)其生長(zhǎng)發(fā)育進(jìn)行評(píng)估。此外，戚超等[72]提出了在線檢測(cè)的雞胴體質(zhì)量分級(jí)方法，通過機(jī)器視覺和機(jī)器學(xué)習(xí)技術(shù)提取雞胴體投影面積、胴體長(zhǎng)度和雞胸寬度等6 個(gè)圖像特征，建立預(yù)測(cè)雞胴體質(zhì)量等級(jí)預(yù)測(cè)模型，實(shí)現(xiàn)了雞胴體質(zhì)量等級(jí)的自動(dòng)判定。王樹才等[73]設(shè)計(jì)了家禽屠宰凈膛機(jī)械手系統(tǒng)，采用視覺系統(tǒng)在線采集家禽胴體外形和膛口圖像，經(jīng)圖像處理后獲取家禽外形輪廓質(zhì)心坐標(biāo)及膛口中心坐標(biāo)以進(jìn)行定位，之后通過控制系統(tǒng)及機(jī)械手本體相互配合實(shí)現(xiàn)家禽凈膛和分割。陳坤杰等[74]提出雞胴體質(zhì)量分級(jí)方法，通過雞胴體圖像，提取出雞胴體投影面積、輪廓長(zhǎng)度和胸寬等圖像特征，利用回歸分析建立雞胴體質(zhì)量預(yù)測(cè)模型，結(jié)果表明該雞胴體自動(dòng)分級(jí)方法是可行的。

圖像識(shí)別技術(shù)在識(shí)別肉品質(zhì)、蛋品質(zhì)和胴體品質(zhì)方面是有效可行的。目前蛋雞養(yǎng)殖場(chǎng)已采用圖像識(shí)別技術(shù)進(jìn)行蛋品質(zhì)量分級(jí)，在肉制品測(cè)定和胴體識(shí)別方面未廣泛應(yīng)用，未來仍需更高效、更準(zhǔn)確的數(shù)據(jù)處理算法和更快、更小、更便宜的硬件設(shè)施，以減少圖像采集和分析操作的時(shí)間，提高圖像的分辨率。

3 圖像識(shí)別技術(shù)在雞養(yǎng)殖應(yīng)用中存在的問題及建議

3.1 識(shí)別精度低

利用圖像識(shí)別技術(shù)識(shí)別雞群時(shí)，主要通過攝像機(jī)拍攝照片和計(jì)算機(jī)算法來判斷雞行為活動(dòng)及病死雞，該方法省時(shí)省力，但仍無法像人工一樣靈活判斷。在識(shí)別過程中，識(shí)別精度往往受背景粘連、圖像分割閾值及圖像算法等因素影響，導(dǎo)致精準(zhǔn)度降低。勞鳳丹等[29]利用圖像識(shí)別技術(shù)識(shí)別單只蛋雞時(shí)，坐的次數(shù)識(shí)別準(zhǔn)確率不到60%，其原因一方面是雞群集聚，部分雞嚴(yán)重遮擋，導(dǎo)致被遮擋雞無法正常識(shí)別，另一方面分割閾值取值不夠精確，將雞探索行為誤判為坐行為，導(dǎo)致識(shí)別精度降低。同樣，F(xiàn)ang 等[33]研究表明，雞行走、奔跑行為識(shí)別精度都低于0.6，主要原因是2 種行為的姿態(tài)特征相似導(dǎo)致圖像識(shí)別困難，引起精度降低。瞿子淇[75]研究表明，有些圖像識(shí)別技術(shù)算法、模型較多，運(yùn)算量較大，病死雞檢測(cè)方法結(jié)構(gòu)不穩(wěn)定，降低了識(shí)別精度和識(shí)別效率。未來，需要提出更精確的識(shí)別參數(shù)、行為分割值并提高特征提取的質(zhì)量，結(jié)合多角度拍攝，增加雞行為種類識(shí)別，同時(shí)優(yōu)化算法，降低算法復(fù)雜度，提高識(shí)別方法穩(wěn)定性。此外，可與其他非接觸式監(jiān)測(cè)技術(shù)結(jié)合，擴(kuò)展雞行為監(jiān)測(cè)系統(tǒng)功能，提高識(shí)別準(zhǔn)確性，挖掘更多雞行為信息。

3.2 儀器設(shè)備要求高

圖像識(shí)別過程中，圖像采集尤為重要，通常采用采樣率高、分辨率高、測(cè)量精度高的攝像機(jī)。目前常用設(shè)備有彩色圖像攝像機(jī)、紅外圖像攝像機(jī)（infrared radiation，IR）、深度圖像攝像機(jī)（3D）和熱成像設(shè)備（infrared thermography，IRT）[76]。Li 等[77]發(fā)現(xiàn)，在養(yǎng)殖場(chǎng)捕獲動(dòng)物行為最常用相機(jī)的采樣率為20～30 fps，最低采樣率為0.03 fps；許多文獻(xiàn)相機(jī)分辨率選擇1 080 P（1 920×1 080 像素）和720 P（1 280×720 像素）。李沛[4]在最新研究中采用精度不大于±1 ℃，測(cè)溫范圍在-40～300 ℃且能在-40～85 °C 環(huán)境正常工作的紅外熱成像儀監(jiān)測(cè)蛋雞體溫，結(jié)果成功收集到蛋雞紅外圖像，實(shí)現(xiàn)了養(yǎng)殖場(chǎng)快速測(cè)量。此外，大型養(yǎng)雞場(chǎng)環(huán)境復(fù)雜，溫度、濕度、粉塵等因素都會(huì)影響儀器設(shè)備的精確度和使用壽命，導(dǎo)致測(cè)量結(jié)果不精確。因此養(yǎng)殖場(chǎng)采購(gòu)設(shè)備時(shí)應(yīng)選用具有防水、防塵、耐腐蝕、分辨率高、采樣率高等特點(diǎn)的儀器，并定期對(duì)儀器設(shè)備進(jìn)行維護(hù)，以延長(zhǎng)使用壽命。

3.3 研究對(duì)象局限

大多研究者都選取同一生長(zhǎng)階段、同一品種的雞為研究對(duì)象，對(duì)其建立行為識(shí)別、體質(zhì)量預(yù)測(cè)、健康監(jiān)測(cè)預(yù)測(cè)模型和產(chǎn)品分級(jí)標(biāo)準(zhǔn)。預(yù)測(cè)模型和產(chǎn)品分級(jí)標(biāo)準(zhǔn)是否用于不同類型品種和不同生長(zhǎng)階段的雞有待進(jìn)一步探索，如郭蓓佳等[40]的研究中僅使用羅曼灰蛋雞作為試驗(yàn)樣本，建立的蛋雞體質(zhì)量估測(cè)模型具有一定的局限性，未來需要研究該模型是否適用于其他品種蛋雞的體質(zhì)量估測(cè)。在以后工作中，研究者可以針對(duì)不同品種、不同生長(zhǎng)階段的多種家禽進(jìn)行研究，建立通用的預(yù)測(cè)模型和產(chǎn)品分級(jí)標(biāo)準(zhǔn)。

3.4 設(shè)備布置局限，圖像采集方式單一

目前研究大部分是在禽舍頂部安裝攝像機(jī)，通過拍攝禽俯視圖的圖像，利用機(jī)器視覺模擬人類視覺功能，從圖像中提取禽的相關(guān)特征信息，經(jīng)過處理分析后用于飼養(yǎng)管理[12]。這種布局方式局限，圖像采集方式單一，攝像機(jī)位置固定受光照條件影響大，拍攝范圍和角度有限。此外，大多研究都是對(duì)雞頭、軀體表面積、腳區(qū)域進(jìn)行識(shí)別采集，而對(duì)翅下和尾部沒有涉及。何東健等[78]發(fā)現(xiàn)，目前針對(duì)動(dòng)物的目標(biāo)檢測(cè)方法只能將視頻圖像中的動(dòng)物作為整體進(jìn)行分割，動(dòng)物身體區(qū)域的精細(xì)識(shí)別未見報(bào)道，還需研究動(dòng)物分割算法以區(qū)分動(dòng)物身體各部分區(qū)域。今后可通過移動(dòng)式圖像識(shí)別技術(shù)收集家禽更多單個(gè)身體信息，結(jié)合更精準(zhǔn)的分割算法，實(shí)現(xiàn)家禽各區(qū)域的精準(zhǔn)監(jiān)測(cè)。

4 圖像識(shí)別新技術(shù)應(yīng)用及展望

雞養(yǎng)殖未來重要的發(fā)展方向是利用圖像識(shí)別技術(shù)研發(fā)諸如可移動(dòng)式圖像識(shí)別、雞虹膜生物識(shí)別、雞三維模式圖像和雞數(shù)據(jù)庫(kù)系統(tǒng)等技術(shù)，目前這些技術(shù)在國(guó)內(nèi)鮮有報(bào)道，尚未在實(shí)際養(yǎng)殖中得到應(yīng)用。

4.1 可移動(dòng)式圖像識(shí)別技術(shù)

目前，連京華等[79]已研究了籠養(yǎng)家禽生產(chǎn)的智能檢測(cè)機(jī)器人，實(shí)現(xiàn)了禽舍環(huán)境檢測(cè)、家禽行為監(jiān)視、個(gè)體體溫監(jiān)測(cè)等功能，但目前未應(yīng)用于實(shí)踐。該智能機(jī)器人只適用于籠養(yǎng)家禽，并不適用于散養(yǎng)家禽。對(duì)于散養(yǎng)雞，可將攝像頭安裝在機(jī)器上，該機(jī)器沿著禽舍天花板固定軌道進(jìn)行全方位無死角拍攝，進(jìn)而有效識(shí)別舍內(nèi)雞行為種類和異常個(gè)體，實(shí)現(xiàn)雞在線監(jiān)測(cè)并進(jìn)行評(píng)分，遇到異常情況迅速定位雞個(gè)體并啟動(dòng)警報(bào)，發(fā)送至養(yǎng)殖戶和獸醫(yī)手機(jī)中，以便他們根據(jù)情況盡早做出調(diào)整或制定疾病防治方案，確保雞福利和減少養(yǎng)殖損失。

4.2 雞虹膜生物識(shí)別技術(shù)

近年來，虹膜識(shí)別技術(shù)備受關(guān)注，并取得了良好的識(shí)別效果。由于虹膜識(shí)別具有唯一性、穩(wěn)定性和易采集性等優(yōu)點(diǎn)，其在牛、羊、豬等大型家畜中不斷進(jìn)行個(gè)體識(shí)別與追溯研究，但在家禽行業(yè)中是新的挑戰(zhàn)。隨著禽流感、新城疫等傳染病的流行，家禽食品安全引起了廣泛關(guān)注。如何有效追溯禽肉來源已成為亟待解決的問題。虹膜生物識(shí)別作為一種新技術(shù)，在肉類食品安全控制方面具有潛在的應(yīng)用價(jià)值。目前在雞養(yǎng)殖中，應(yīng)建立虹膜生物識(shí)別系統(tǒng)，快速跟蹤雞從出生到屠宰的肉類供應(yīng)鏈，并生成相應(yīng)的虹膜二維碼，印在產(chǎn)品包裝上，以幫助消費(fèi)者追蹤雞產(chǎn)品來源。

4.3 雞三維模式圖像技術(shù)

目前，對(duì)雞體質(zhì)量測(cè)量的研究?jī)H基于二維圖像，通過獲取雞軀體圖像表面積得到相關(guān)數(shù)值，但無法獲取雞胸圍、脛圍等體型數(shù)據(jù)。未來應(yīng)構(gòu)建雞三維模式圖像技術(shù)，利用三維技術(shù)達(dá)到體尺測(cè)量的目的，并將雞體尺參數(shù)與體質(zhì)量進(jìn)行結(jié)合，間接測(cè)量雞體質(zhì)量，隨時(shí)監(jiān)測(cè)雞生長(zhǎng)發(fā)育情況，降低雞應(yīng)激反應(yīng)及人工成本。

4.4 雞數(shù)據(jù)庫(kù)系統(tǒng)

建立雞個(gè)體信息數(shù)據(jù)庫(kù)，收集來自不同養(yǎng)殖場(chǎng)的不同類型的雞品種和不同成長(zhǎng)階段的雞數(shù)據(jù)集，為行為識(shí)別、體質(zhì)量估測(cè)、健康監(jiān)測(cè)等模型的構(gòu)建提供更多數(shù)據(jù)，找到更精確的預(yù)測(cè)模型，為未來雞的品種培育和養(yǎng)殖管理提供一定幫助。

5 結(jié)語(yǔ)

近年來，圖像識(shí)別技術(shù)在降低養(yǎng)殖人員勞動(dòng)強(qiáng)度、減少雞生產(chǎn)成本、提高養(yǎng)殖福利和產(chǎn)品質(zhì)量以及保證消費(fèi)者食品安全等方面起著十分重要的作用，但目前還存在一些弊端，如識(shí)別精度低、儀器設(shè)備要求高、設(shè)備布局局限、圖像采集方式單一、研究對(duì)象局限等，仍需進(jìn)一步的探索研究。未來可將圖像識(shí)別技術(shù)與其他非接觸式監(jiān)測(cè)技術(shù)結(jié)合，實(shí)現(xiàn)高效、連續(xù)、準(zhǔn)確的智能化養(yǎng)殖，利用可移動(dòng)式機(jī)器人通過收集全方位圖像，解決設(shè)備布局局限問題，提高家禽行為監(jiān)視和異常個(gè)體的識(shí)別準(zhǔn)確性；利用雞虹膜生物識(shí)別技術(shù)通過識(shí)別雞虹膜，提高個(gè)體識(shí)別精度，準(zhǔn)確追溯雞產(chǎn)品來源；利用三維模式圖像技術(shù)通過三維相機(jī)獲取雞體型數(shù)據(jù)、解決圖像采集方式單一問題，獲得更精準(zhǔn)的雞體質(zhì)量數(shù)據(jù)；建立數(shù)據(jù)庫(kù)系統(tǒng)通過收集不同類型及生長(zhǎng)階段的雞行為、體質(zhì)量估測(cè)、健康監(jiān)測(cè)等數(shù)據(jù)，解決研究對(duì)象局限問題，提高識(shí)別效率，為建立分類模型提供依據(jù)。圖像識(shí)別技術(shù)在家禽養(yǎng)殖業(yè)中有很大發(fā)展空間，它以快速、連續(xù)、非接觸、實(shí)時(shí)監(jiān)測(cè)等優(yōu)勢(shì)，可廣泛應(yīng)用于雞行為識(shí)別、體質(zhì)量預(yù)測(cè)、產(chǎn)品分級(jí)、病死雞早期監(jiān)測(cè)方面，但在疾病監(jiān)測(cè)方面，圖像識(shí)別技術(shù)有一定局限性，需進(jìn)一步優(yōu)化。