計算機視覺技術在規?；i場應用的研究進展

鄧永濤,陳希文,2

(1. 綿陽師范學院動物疫病防控與健康養殖工程技術研究中心,四川 綿陽 621000;2. 四川生豬重大疫病監測與防控工程研究中心,四川 綿陽 621000)

隨著國內養豬業產業結構的不斷完善,規?；i場模式養殖的占比也開始逐年提高。但現階段規?；i場仍然需要不少的人力投入,且規?；图s化程度不高,與先進國家和地區存在著很大的差距[1]。近幾年,人工智能技術以前所未有的速度發展,尤其是計算機視覺技術,更是在各個領域大放光彩,對社會的發展起到了巨大的促進作用。在規?；i場中,計算機視覺技術已經逐步受到業界的重視[2]?？茖W有效地利用計算機視覺技術提升規?；i場的效益具有十分重要的現實意義,也是我國規?；i場對先進國家和地區規?；i場實現彎道超車的有效途徑。

1 規?；i場現狀

規?；B豬通常是指采用前沿技術和相關配套的智能化設備,以工業化的生產方式組織生豬養殖,進行集約化生產和規?；洜I的過程[3]。規?；B豬的理念提出后,規?；i場應運而生。目前,我國的規?；i場按結構可初步劃分為地面式規?；i場和立體式規?；i場。地面式規?；i場是一種將豬舍建在地面上的養殖方式,通常由多個豬舍組成,每個豬舍可以容納數百頭或數千頭豬;立體式規?；i場,即立體化樓式養殖方式,豬場將傳統的單層生豬養殖變為多層生豬養殖,不僅能夠節約土地資源,還可以大幅提升豬場單位面積的生豬承載量,進而帶來更多的經濟效益[3-4]。規?；i場按養殖的生豬類型可劃分為母豬場、肉豬場和種豬場。母豬場主要是用于繁殖母豬的場所,通常配備有產房、妊娠舍、哺乳舍、保育舍和配種舍;肉豬場主要是用于生產肉豬的場所,一般會配備育肥舍和生產舍;種豬場主要是用于種豬繁殖和生產的場所,大多數會配備種豬繁育舍和種豬生產舍。

規?；i場由于存在異味、生產和生活環境較差,加之受到傳統小農經濟思維的影響,招工難成為了問題[5]。目前的機械化設備雖然能夠減少一定的人力開銷,但是仍然需要人的參與。因此,可以減少人力資源開銷的計算機視覺技術開始受到關注,并且已經在規?；i場的生產經營中取得了實際性的進展和應用[6]。

2 計算機視覺技術

計算機視覺技術通常是指從視覺感知和視覺生成兩方面,對識別捕獲到的圖像或視頻進行分類,再通過算法擬合已初步處理的數據,不斷調整算法模型用以解決實際問題[7]。

對于計算機視覺技術而言,由于其基于機器學習模型,可以減少人工的參與,因此在各個領域都得到了廣泛應用[8-9]。機器學習從是否需要人工標注的角度可以分為三類,分別是監督學習、無監督學習和將前兩者的特性相融合的半監督學習,三類學習方式各自的優缺點見表1[10-13]。

表1 不同學習方式及其優缺點[10-13]

根據計算機視覺技術應用的具體任務不同,可以將其分為圖片類或者視頻類任務。通常是利用普通二維圖像分析處理圖片類任務,普通二維圖像分析是指從靜態的二維圖像中提取物體的形狀、顏色和紋理等特征,以實現物體的檢測、跟蹤、分割和識別等任務。此外,單目深度估計是普通二維圖像分析的1個子問題,更加關注于對物體的深度信息進行分析,一般需要利用特定硬件設備使所獲取的數據帶有圖像深度信息。視頻類任務常用目標跟蹤算法、視頻識別算法和視頻分割算法。目標跟蹤算法可以根據先前幀的目標位置和速度等信息預測目標的位置,以實現目標跟蹤;視頻識別算法能夠從視頻中提取時間序列信息,結合空間信息來識別目標;視頻分割算法能夠將視頻中的像素進行分割,以實現對目標和背景的分離。

3 計算機視覺技術在規?；i場的研究進展

隨著我國城市化步伐的加快,散戶養豬模式正在逐漸退出歷史舞臺,規?；i場逐漸成為主角,在可預見的未來,我國規?；i場必定是智能化和機械化的。近年來,已有實踐證明,計算機視覺技術可以用于豬的行為監測、疾病預測、情感狀態分析和豬只判別等方面[6]。規?；i場要把經濟效益放在優先位置,將發展迅速的計算機視覺技術應用于規?；i場,無疑是規?；i場提升效益的有效方式之一。

3.1 豬行為監測 目前,在規?；i場中,計算機視覺技術主要用于監測豬的飲水、進食和攻擊行為。在飲水方面,傳統的飲水識別主要采用射頻識別技術,該方法需要給豬只佩帶1個耳標號,對豬只有所損害,不利于豬只福利。為改善豬只福利,譚輝磊等[14]提出一種基于生豬輪廓的豬只飲水行為識別,盡管識別率能達到92%,但是由于飲水時豬只的移動會影響判斷,所以存在一定的干擾。卞子煜等[15]基于深度學習目標,提出將實時目標(You only look once,YOLO)檢測算法用于生豬行為識別,根據生豬位置與飲水區的關系以及是否處于靜止狀態,基于TensorFlow進行訓練,進而綜合判斷豬只的飲水行為,飲水行為的判定不依賴于生豬輪廓,而是依據2 s內豬只頭部中心點坐標方差是否均小于某一閾值,若小于則判定豬只處于飲水狀態。嵇楊培等[16]提出一種基于可見光光譜和結合改良后的YOLOV2神經網絡的方法,利用位置信息對進行進食和飲水的豬只進行識別,使用圖像處理方法對符合判斷的圖像進行精準判斷,可以實現對生豬目標在真實養殖場景中的檢測。在異常行為方面,不同于前面學者運用的是豬只的位置信息,陳晨[17]提出了一種基于運動特征的群養豬攻擊行為識別算法,能夠以95.8%和97.0%的正確率識別中等和高等攻擊,解決了從豬群中定位攻擊豬的難題。

利用計算機視覺技術進行豬只的行為監測,對生豬的福利飼養有一定幫助[18]。上述利用計算機視覺技術進行豬只的行為監測,從基于生豬輪廓,到根據豬只的位置信息,再到基于運動特征。運動特征的本質也是一種位置信息,各學者使用的具體算法有所不同,從而監測的正確率也各有千秋。未來應該在改進算法的同時,選擇更多的特征信息,不局限于通過位置信息來進行豬只的行為監測。

3.2 豬疾病預測 2018年非洲豬瘟對全球養豬業造成巨大沖擊,我國養豬業也深受其害,業界開始對豬疾病預測進行進一步研究。通過人工方式難以實時辨別豬患病初期的異樣,計算機視覺技術可以實現對豬只24 h不間斷的監控和分析。

Jorquera-Chavez等[19]通過評估圖像和計算機算法遠程測量豬只的生理參數(心率和呼吸頻率),通過聽診器和基于視頻的呼吸運動觀察,可以在豬群表現癥狀之前檢測到受呼吸道疾病影響的豬只的早期生理變化,從而有助于豬只呼吸道疾病的早期檢測和管理。該方法除了依靠計算機視覺技術和聲音處理外,還需要人工對照,實際應用難度較大,對網絡數據的傳輸穩定性要求較高。根據豬喘氣時脊腹輪廓線的特征變化,謝海員[20]提出基于最大內接圓直徑和平均曲率半徑的特征參數,構建豬喘氣行為波幅模型,該方法可以自動監測疑似病豬喘氣行為。相較于Jorquera-Chavez 等提出的方法,謝海員的方法僅使用了計算機視覺技術,且全程自動連續監測,可以節省人力,實際應用難度較小。唐亮等[21]提出一種與呼吸相關性更大、穩定性更好的面積特征算子的方法來檢測豬的呼吸,得到豬只呼吸的二維信號后將其轉化為呼吸頻率,該方法對于計算機處理來說,可能更加友好。

目前,計算機視覺技術在預測豬只疾病方面的研究還比較有限。早期的研究主要集中在基于聽診器和視頻的診斷分析,以及對豬只喘氣時脊腹輪廓線的特征變化和呼吸二維信號的分析。不同的研究方向會選擇不同的特征點及其轉換方式。目前,基于計算機視覺技術的疾病預測主要局限于豬只呼吸相關的特征,未來可以從異常行為和豬皮膚異常等特征出發,探索更多預測豬疾病的方式。

3.3 豬情感狀態分析 豬的情感狀態是動物福利的關鍵因素,對突然意外刺激的快速防御級聯反應(驚嚇和凍結)是動物福利的潛在指標。如果驚嚇和凍結行為(凍結行為也可以稱作驚恐呆滯或驚恐定型)確實可以反映豬只的情感狀態,類似于其他物種中觀察到的情況,那么計算機視覺圖像分析可能成為評估豬只福利的新方法。需要進一步研究豬只的情感狀態與驚嚇和凍結行為之間的關系,以確定計算機視覺技術是否能夠有效評估豬只的行為[22]。瓦赫寧根大學與研究機構構建了實時面部識別平臺(Wageningen University &Research:Wolf Mascot,WUR Wolf),可以自動編碼農場動物的情緒,基于 Python 的算法檢測并跟蹤農場動物的面部特征,分析其外觀、耳朵姿勢和眼白區域,并與農場動物的精神和情緒狀態相關聯[23];該系統在超過6個農場收集的農場動物圖像的面部特征數據集上進行了訓練,并經過優化以平均 85%的準確率運行,從中可以確定動物的實時情緒狀態。進行豬的情感狀態分析,還需要考慮經濟效益,如果經濟效益很低,則難以在整個產業推廣。

3.4 豬只判別 計算機視覺技術應用于豬只判別之前,進行豬只判別的技術主要有豬只個體認證系統(Pig authentication system,PAM)[24]和無線射頻識別(Radio frequency identification,RFID)技術。PAM是基于豬只ID的個體判別和認證系統,采用豬耳刺青和背部編碼的方式,以確認豬只的個體信息覆蓋其整個生命周期,這種方式雖然可以實現豬只的判別和管理,但需要進行人工刺青或編碼,操作比較繁瑣,并且容易出現識別錯誤等問題。RFID技術則可以實現無需人工干預的豬只識別和管理,即通過在豬只耳標或標簽上添加RFID芯片來實現識別和管理。但如果需要進行豬只身體內部的監測,就需要將RFID芯片植入豬只體內,可是芯片植入的成本相對過高,對豬只本身也有一定的損害,經濟效益并不高,因此更多應用于研究領域,而非實際的豬只管理中。

計算機視覺技術目前集中于研究豬只的體型、外貌和面部等特征,進而實現豬只的判別。馬娜等[25]利用 Keras 構建卷積神經網絡模型,可以對真實條件下的豬只身份進行快速識別,對只有單目標豬只的圖像身份識別效果較好,準確率超過85%,但是多目標時身份識別效果較差。孫嘉燚等[26]對基于多目標追蹤方法的豬只個體識別算法進行了研究,使用更快的基于區域的卷積神經網絡(Faster region-based convolutional neural network,Faster R-CNN)算法,以具有50層的殘差網絡(Residual network with 50 layers,ResNet50)進行個體識別,在復雜的活動背景下也能較好的識別豬只,從而解決了多目標身份識別的難題。郝王麗等[27]提出了基于互學習模型的豬只識別模型,即從雙方模型上相互學習新知識,從而獲得更好的表現,收斂的速度也會更快,試驗結果證實了互學習模型比無互學習模型準確率有所提高,損失值有所降低,單目標和多目標生豬的識別成功率均有所提升。Xiao等[28]提出了一種名為級聯快速區域卷積神經網絡豬檢測器(Cascade faster R-CNN pig detector,C-FRPD)的算法,該算法具有基于Faster R-CNN的級聯結構,用于檢測個體豬及其身體部位,可以有效地建立個體豬與其身體部位的關聯,獲取頭、背和尾3個身體部位的位置信息。該方法還可以通過視頻圖像對豬個體進行檢測,并提供個體豬及其身體部位的位置信息。不同于之前的利用單一圖像信息,該方法利用的是位置信息,從不同的角度進行豬只判別。

3.5 生產管理 在豬只生產管理中,計算機視覺技術可以應用于自主估算育肥豬只體重、母豬妊娠期體況和生豬存欄數量等方面,據此可以評估育肥豬體重增長是否正常、給予妊娠期母豬更合理的飼喂建議、較為準確地估算豬只生物資產數量等,對規?；i場的生產管理有重要意義。

李健[29]提出一種采用電子耳標、電子秤和雙目視覺攝像頭來檢測豬只體重的方案,豬只進入進食區域后電子耳標觸發RFID閱讀器,通過電子秤檢測豬只體重,并將個體和體重信息上傳到服務器;同時,通過采用基于圖割的交互式前景提取(Graph cuts based interactive foreground extraction,GrabCut)算法采集豬只個體圖像,并通過設計基于凸包和凹陷檢測的算法計算其背部面積,采用夾逼法計算背部寬度,檢測豬只中心點以計算體高。王甲福等[30]設計了一種基于機器視覺的妊娠母豬飼喂站,采用機器視覺圖像處理、RFID等技術設計采食結構,依據母豬體況、胎次和妊娠時間等相應參數計算母豬飼喂量,控制投料電機以實現精準投料,降低養殖成本,提升養殖場的經濟效益,實現生豬的智能化養殖。金耀[31]基于YOLOV3算法模型,對Momentum、Decay和Learning_rate參數進行優化,使用K-means算法,使得改進YOLOV3模型的精度更加精確;在優化后的模型基礎上添加了計數器,使模型可以在完成對豬只的識別以后自動進行數量統計,大幅度減少了人工統計所花費的時間。

3.6 生物安全和防疫 在生物安全和防疫方面,可以利用計算機視覺技術對違規狀況等進行抓拍和預警。

咬尾是規?；i場的主要福利和經濟問題。低尾姿勢是早期預警信號之一,可以增加咬尾的可預測性。張振玲等[32]采用精準畜禽養殖(Precision livestock farming,PLF)方法,使用飛行時間3D相機進行抓拍,利用機器視覺算法處理數據,以自動測量豬尾巴姿勢,結果證明了機器視覺系統可以自動檢測尾巴姿勢,為規?；i場咬尾提供早期預警。劉冬等[33]提出了基于自適應學習率高斯混合模型(Adaptive learning rate gaussian mixture model,ALR-GMM)的動物行為識別模型,對基于活動指數的育肥豬攻擊行為識別的準確率達到97.6%,滿足實際應用要求,能夠減少因攻擊而造成的豬只皮膚損傷和感染等風險。

3.7 企業的落地探索 除了上述學者的研究外,很多企業,包括傳統互聯網企業,例如京東和阿里巴巴;部分科技企業,例如小龍潛行、影子科技和睿畜等;部分養殖行業巨頭,例如牧原、唐人神、正大和揚翔等,均進行了計算機視覺技術研究和落地探索。

京東在豬產業數字化方面具有較強的優勢,其數字農業平臺“京東數科智慧農業”已在豬產業數字化方面開展多項探索和實踐。豬臉識別是京東的核心技術,同時還在研發豬臉識別機器人。阿里巴巴在智能養豬方面也有著一定的技術積累和實踐經驗,其通過計算機視覺技術,能分析出每只豬每天能走多少步,運動不夠的豬只需要被趕出去繼續操練,以提升豬肉品質。小龍潛行開發了一套智能化的豬場管理系統,通過計算機視覺、傳感器和大數據等技術手段,對豬只的生長、繁殖和健康等方面進行監測和管理,該系統可以自動識別豬只,并跟蹤豬只的生長和體重等數據,幫助豬場管理人員及時發現問題和調整養殖策略。影子科技研發了一款智能化的豬場管理系統,該系統可以通過智能相機對豬只進行識別和分類,提高了豬只識別的準確率和速度;同時,該系統還能夠對豬只的行為、體溫和飲食等數據進行實時監測和分析,幫助養殖人員及時發現豬只健康問題。睿畜開發了一套智能化的豬場管理系統,該系統基于計算機視覺和深度學習等技術,可以自動識別豬只并對其進行分類和監測;該系統還可以對豬只的體溫、飲食和行為等數據進行實時監測和分析,幫助豬場管理人員及時發現問題和優化養殖策略。牧原是我國一家生豬養殖企業,也是計算機視覺技術在規?；i場應用的先行者之一,其通過安裝高清攝像頭,利用計算機視覺技術對豬只的行為和健康狀況等信息進行監測和分析,實現了豬只個體化管理,提高了生產效率和養殖質量。唐人神是我國一家致力于農業科技創新的高科技企業,也在規?；i場的計算機視覺技術方面進行了研究,該公司基于深度學習技術和計算機視覺技術,研發出了智能豬臉識別系統和智能豬身體行為監測系統,這些系統可以實現對豬只的身份識別、健康狀態監測和情感狀態識別等功能,為規?；B豬場提供了有效的技術支持和豬只動態監測問題的解決方案。同時,唐人神也利用這些技術,研發了智能喂食系統和智能排泄物處理系統等,進一步提升了養豬場的生產效率和生態環境保護水平。正大集團在規?；i場的計算機視覺技術方面的研究主要聚焦于豬只行為監測和智能飼喂2個方面,在豬只行為監測方面,正大集團開發了基于深度學習算法的豬只飲水、飼料和活動等行為監測系統,通過監測豬只的行為變化,實現對豬只健康和生長狀態的分析和預測;在智能飼喂方面,正大集團推出了“智慧飼喂”系統,利用計算機視覺技術對豬只飼料的種類、數量和飼喂時間等進行智能化控制,提高飼料利用率和養殖效益。揚翔集團是一家綜合性畜牧企業,其在規?；i場的計算機視覺技術的研究主要集中在豬只行為監測、疾病診斷、質量檢測和智能喂養等方面,旨在提高養豬效率和經濟效益,實現智能化和機械化的養豬生產。

目前,計算機視覺技術已經可以從單目標豬的判別到多目標豬的判別,也能從復雜的運動環境中判別豬只身份,從學者研究到企業落地探索,已經形成了現代化和智能化的勢頭。計算機視覺技術選取的識別信息有單一的圖像判別,還有基于位置信息的判別。但是大多數豬只判別都在已拍攝完成的影像上進行,對實時影像的收集和分類沒有開展具體的研究,接下來應該開展對實時影像的分析研究,同時也要對已有算法進行完善。

4 小結

計算機視覺技術在規?；i場的應用已經有了一定程度的發展,但是距離技術的成熟應用還存在一定的差距。在行為監測和豬只判別方向的研究已有不少成果,但在疾病預測和情感狀態分析方向的成果相對較少。從研究的技術層面來看,現有模型的特征選擇點還比較局限,準確率還有待提高。未來的研究方向可以借助于其他領域的計算機視覺技術成果,探尋遷移到規?；i場應用的可行性,開發更多的豬只特征點以供分析,讓計算機視覺技術真正體系化服務于規?；i場。