论文部分内容阅读
摘 要：近年来，计算机视觉技术得到广泛的发展，且已大规模的应用于和扩展到家禽养殖产业中。该文介绍了计算机视觉系统的组成，概述了国内外计算机视觉技术在家禽养殖领域应用现状，并对计算机视觉技术应用于家禽养殖中存在的问题及发展前景做了概括。
关键词：计算机视觉技术；家禽养殖
计算机视觉系统具有类似人的视觉成像及分析判别系统，其核心思想是用感光元件（CCD或CMOS器件）模拟人眼的视觉感官，采集物体的数字图像，通过各种图像图形算法实现识别目标的任务。
相对于人而言，计算机视觉技术有以下几个优势：客观性更强、运算速度更快、处理的信息量更大、能够连续长时间工作、准确度更高、稳定性好等。
计算机视觉的主要研究内容是从三维立体场景映射到二维平面图像中，并提取出对图像分类贡献率最高的信息：例如屋内移动机器人前方的障碍物，目标的颜色，目标的轮廓，目标的位置等[ 1 ]。
计算机视觉技术是一个跨学科的领域，目前已广泛应用于农业与畜牧业等很多领域。
1 计算机视觉技术简介
计算机视觉技术又称机器视觉，起源于20世纪50年代[ 2 ]，至今已有60多年的发展历程。
如图1所示，计算机视觉系统主要由光源、相机、图像采集卡和计算机等组成。
相机对鸡只的行为特征进行即时采集，获取其视频流；图像采集卡将相机采集的视频流通过光电信号转换，得到可以用于计算机进行分析处理的数字信号，为后期图像处理做准备。
光照系统为相机提供稳定的光照环境，保证获取目标物的图像清晰。
2 计算机视觉技术在家禽养殖中的应用
2.1 家禽行为识别与分类
家禽行为是最容易观察到的家禽应对环境变化的反应，对于家禽家畜等动物来说，当它们的机体出现不适时，它们无法直接向人类描述，只有出现比较严重症状、甚至是死亡时才会被人们发现。不过这个过程中它们的一些行为变化信息已经反映出这种状态。利用图像处理技术自动识别动物行为方式具有不打扰动物、实时、连续、客观的优势，应用前景非常广阔。
Aydin等[ 3 ]及Kristesen[ 4 ]等利用图像处理技术展开了针对鸡群群体活动水平及单只畜禽走路姿态的研究。Leroy等[ 5-7 ]通过对蛋鸡轮廓椭圆拟合的点分布模型，研究了单只鸡的站、走和抓饶等行为监测。Aydin等[ 3 ]利用椭圆拟合的技术，通过视频监测被限制在不用高度笼子中的火鸡在运输途中的行为，来评估运输过程中的火鸡福利状态。
2.2 家禽体重预测
体重是家禽生长过程中重要指标参数，它能体现家禽的增长信息、一致性以及饲料转化率。同时，能够根据家禽群体性的平均体重来预测群发性疾病的发生，以挽救企业的经济损失[ 8 ]。养殖户可以根据家禽的重量，对比其生长周期的生长曲线，来预测家禽的出笼和屠宰时间。
传统的家禽体重检测方法是从鸡笼中随机挑选出几个代表性鸡只进行称重，并求平均值来预估整个笼子中鸡只的生长信息，这种做法不仅耗时耗力，还不能及时了解家禽生长。利用计算机视觉技术预测家禽体重，有效克服了以上缺点。Mollah等[ 9 ]开发了一种新的图像处理算法，提出利用计算机视觉技术对家禽体重进行预估的可行性。Paulo G等[ 10 ]的研究中利用图像处理技术，使用图像面积估计肉鸡体重。L. De Wet等[ 11 ]利用图像处理技术，分析了肉鸡每日体重的变化情况。
2.3 禽蛋产品检测
计算机视觉技术可以检测禽蛋外观、新鲜度、蛋壳裂纹等品质。国内外许多学者开展了大量研究，目前已在实际生产中得到很好的应用。Garcia等[ 12 ]通过对鸡蛋的红、绿、蓝（RGB）三个颜色的单通道图像进行形态学提取操作，实现了对鸡蛋的形状和表面缺陷进行检测与分类。饶秀勤等[ 13 ]采用HIS颜色空间的H、S、V三灰度图像，对其进行阈值分割并确定H分量分割效果最佳，建立禽蛋重量在线检测模型，检测误差精度到3g。王巧华等[ 14 ]以鸡蛋内部颜色信息（H、I、S）与鸡蛋新鲜度为特征，建立BP神经网络模型，模型识别率为90.8%。
3 存在的问题
随着计算机视觉技术快速发展和普及，在家禽养殖领域方面的应用将会越来越广泛。但在养殖产业应用中，由于各种原因，存在以下几个问题：
1）家禽养殖业环境复杂，对计算机视觉技术的应用要求高。一般的养殖场环境湿度较大，空气灰尘较多，容易损坏计算机视觉系统的仪器设备，影响仪器的寿命和测量精度。
2）计算机视觉技术应用单一，成套技术设备少。虽然国内外学者在家禽行为监测、禽蛋检测和加工方面都做了大量研究，可是这些研究通常都仅适用于一些狭隘的目标，目前还无法广泛应用到不同场合当中。
3）检测精度有待提高。计算机视觉技术在家禽养殖业中应用研究已有几十年的时间，但目前只有禽蛋品质检测应用最为广泛，家禽的行为监测和重量预估的准确率较低。其中重量预估中，鸡只身体姿态变化对估计结果会有较大的影响，目前的研究中都是将鸡放置在预先设计好的光照箱中拍照，以获得较好的结果。而且不同品种鸡的体重与图像面积模型的通用性没有经过检验，离实际生产养殖还有一定的距离，其硬件条件和软件编制技术都急需提高。
4 计算机视觉技术在家禽养殖中的应用前景与展望
随着家禽业的集约化、工厂化、现代化和产业化的发展，越来越多的人开始关注养殖行业的安全和可持续发展。养殖领域也需要与时即进，与自动化、高精度的控制与检测技术相结合。计算机视觉技术将会更多地应用到家禽领域中，其发展方向主要包括以下几个方面：
1）利用计算机视觉技术采集家禽行为数据，建立家禽行为数据库，通过对家禽行为在线实时监测，即时与数据库进行对比，养殖者可以需要随时监测到家禽的身体状况，给予最早、最及时的有效管理和疾病预防。 2）利用计算机视觉技术建立禽类产品分级自动化生产线，提高生产效率，增加企业竞争力。
参考文献：
[1] 陈炳权，刘宏立，孟凡斌.数字图像处理技术的现状及其发展方向[J].吉首大学学报（自然科学版），2009（01）.
[2] Rosenfeld A.Computer Vision-Past，Present and Future.Information Science，1991 57-58：241-243.
[3] Aydin A.，O. Cangar，S. ErenOzcan， C. Bahr， D. Berckmans.Application of a fullyautomatic analysis tool to assess the activity of broiler chickens with different gait scores[J].Computers and Electronics in Agriculture，2010，73： 194-199.
[4] KristensenH H，Cornou C.Automatic detection of deviations in activity levels in groups of broilerchickens-A pilot study.Biosystems Engineering，2011，109（4）：369-376.
[5] Leroy T.，E.Vranken， E. Struelens， B.Sonck， D.Berckmans.Pp 685-693 in the SeventhInternational Livestock Environment Symposium（18-20 May 2005，Beijing， China），T.Brown-Brandl and R. Maghirang.18 May 2005.ASAE Pub #701P0205.
[6] Leroy T，Vranken E，Van Brecht A， et al.A computer vision method for on-line behavioralquantification of individually caged poultry.Transactions of the ASABE，2006，49（3）：795-802.
[7] Leroy T，Vranken E，Struelens E，et al.Computer vision based recognition of behavior phenotypes oflaying hens. The 2005 ASAE Annual International Meeting.Tampa，Florida，2005：paper no 054002.
[8] Lott， B.D.，Reece，F.N.，McNaughton，J.L.，1982.An automated weighing system foruse in poultry research.Poultry Science 61，
236-238.
[9] Mollah M B R， Hasan M A， Salam M A， et al.Digital image analysis to estimate the live weight ofbroiler.Computers and Electronics in Agriculture，2010，72（1）：48-52.
[10] Paulo G. de Abreu， Valéria M. N. et al. Medidasmorfológicasemfun？觭？觔o do peso e da idadeda ave，pormeio de imagens[J].EngenhariaAgrícola e Ambiental，2012，16（7）：795-801.
[11] L.De Wet， E.Vranken， A.Chedad.et al. Computer-assisted image analysis to quantify dailygrowth rates of broiler chickens[J].British Poultry Science，2003，44（4）：524-532.
[12] Garcia， Ribeiro， Guinea D，et al.Eggshell defects detection based on color processing[C].Electronic Imaging.International Society for Optics and Photonics，2000：280-287.
[13] 饶秀勤，岑益科，应义斌.基于外形几何特征的鸡蛋重量检测模型[J].中国家禽，2008（5）：18-20.
[14] 王巧华， 熊利荣，丁幼春等.鸡蛋新鲜度神经网络检测系统的研究[J].华中农业大学学报，2005，24（6）：630-632.
关键词：计算机视觉技术；家禽养殖
计算机视觉系统具有类似人的视觉成像及分析判别系统，其核心思想是用感光元件（CCD或CMOS器件）模拟人眼的视觉感官，采集物体的数字图像，通过各种图像图形算法实现识别目标的任务。
相对于人而言，计算机视觉技术有以下几个优势：客观性更强、运算速度更快、处理的信息量更大、能够连续长时间工作、准确度更高、稳定性好等。
计算机视觉的主要研究内容是从三维立体场景映射到二维平面图像中，并提取出对图像分类贡献率最高的信息：例如屋内移动机器人前方的障碍物，目标的颜色，目标的轮廓，目标的位置等[ 1 ]。
计算机视觉技术是一个跨学科的领域，目前已广泛应用于农业与畜牧业等很多领域。
1 计算机视觉技术简介
计算机视觉技术又称机器视觉，起源于20世纪50年代[ 2 ]，至今已有60多年的发展历程。
如图1所示，计算机视觉系统主要由光源、相机、图像采集卡和计算机等组成。
相机对鸡只的行为特征进行即时采集，获取其视频流；图像采集卡将相机采集的视频流通过光电信号转换，得到可以用于计算机进行分析处理的数字信号，为后期图像处理做准备。
光照系统为相机提供稳定的光照环境，保证获取目标物的图像清晰。
2 计算机视觉技术在家禽养殖中的应用
2.1 家禽行为识别与分类
家禽行为是最容易观察到的家禽应对环境变化的反应，对于家禽家畜等动物来说，当它们的机体出现不适时，它们无法直接向人类描述，只有出现比较严重症状、甚至是死亡时才会被人们发现。不过这个过程中它们的一些行为变化信息已经反映出这种状态。利用图像处理技术自动识别动物行为方式具有不打扰动物、实时、连续、客观的优势，应用前景非常广阔。
Aydin等[ 3 ]及Kristesen[ 4 ]等利用图像处理技术展开了针对鸡群群体活动水平及单只畜禽走路姿态的研究。Leroy等[ 5-7 ]通过对蛋鸡轮廓椭圆拟合的点分布模型，研究了单只鸡的站、走和抓饶等行为监测。Aydin等[ 3 ]利用椭圆拟合的技术，通过视频监测被限制在不用高度笼子中的火鸡在运输途中的行为，来评估运输过程中的火鸡福利状态。
2.2 家禽体重预测
体重是家禽生长过程中重要指标参数，它能体现家禽的增长信息、一致性以及饲料转化率。同时，能够根据家禽群体性的平均体重来预测群发性疾病的发生，以挽救企业的经济损失[ 8 ]。养殖户可以根据家禽的重量，对比其生长周期的生长曲线，来预测家禽的出笼和屠宰时间。
传统的家禽体重检测方法是从鸡笼中随机挑选出几个代表性鸡只进行称重，并求平均值来预估整个笼子中鸡只的生长信息，这种做法不仅耗时耗力，还不能及时了解家禽生长。利用计算机视觉技术预测家禽体重，有效克服了以上缺点。Mollah等[ 9 ]开发了一种新的图像处理算法，提出利用计算机视觉技术对家禽体重进行预估的可行性。Paulo G等[ 10 ]的研究中利用图像处理技术，使用图像面积估计肉鸡体重。L. De Wet等[ 11 ]利用图像处理技术，分析了肉鸡每日体重的变化情况。
2.3 禽蛋产品检测
计算机视觉技术可以检测禽蛋外观、新鲜度、蛋壳裂纹等品质。国内外许多学者开展了大量研究，目前已在实际生产中得到很好的应用。Garcia等[ 12 ]通过对鸡蛋的红、绿、蓝（RGB）三个颜色的单通道图像进行形态学提取操作，实现了对鸡蛋的形状和表面缺陷进行检测与分类。饶秀勤等[ 13 ]采用HIS颜色空间的H、S、V三灰度图像，对其进行阈值分割并确定H分量分割效果最佳，建立禽蛋重量在线检测模型，检测误差精度到3g。王巧华等[ 14 ]以鸡蛋内部颜色信息（H、I、S）与鸡蛋新鲜度为特征，建立BP神经网络模型，模型识别率为90.8%。
3 存在的问题
随着计算机视觉技术快速发展和普及，在家禽养殖领域方面的应用将会越来越广泛。但在养殖产业应用中，由于各种原因，存在以下几个问题：
1）家禽养殖业环境复杂，对计算机视觉技术的应用要求高。一般的养殖场环境湿度较大，空气灰尘较多，容易损坏计算机视觉系统的仪器设备，影响仪器的寿命和测量精度。
2）计算机视觉技术应用单一，成套技术设备少。虽然国内外学者在家禽行为监测、禽蛋检测和加工方面都做了大量研究，可是这些研究通常都仅适用于一些狭隘的目标，目前还无法广泛应用到不同场合当中。
3）检测精度有待提高。计算机视觉技术在家禽养殖业中应用研究已有几十年的时间，但目前只有禽蛋品质检测应用最为广泛，家禽的行为监测和重量预估的准确率较低。其中重量预估中，鸡只身体姿态变化对估计结果会有较大的影响，目前的研究中都是将鸡放置在预先设计好的光照箱中拍照，以获得较好的结果。而且不同品种鸡的体重与图像面积模型的通用性没有经过检验，离实际生产养殖还有一定的距离，其硬件条件和软件编制技术都急需提高。
4 计算机视觉技术在家禽养殖中的应用前景与展望
随着家禽业的集约化、工厂化、现代化和产业化的发展，越来越多的人开始关注养殖行业的安全和可持续发展。养殖领域也需要与时即进，与自动化、高精度的控制与检测技术相结合。计算机视觉技术将会更多地应用到家禽领域中，其发展方向主要包括以下几个方面：
1）利用计算机视觉技术采集家禽行为数据，建立家禽行为数据库，通过对家禽行为在线实时监测，即时与数据库进行对比，养殖者可以需要随时监测到家禽的身体状况，给予最早、最及时的有效管理和疾病预防。 2）利用计算机视觉技术建立禽类产品分级自动化生产线，提高生产效率，增加企业竞争力。
参考文献：
[1] 陈炳权，刘宏立，孟凡斌.数字图像处理技术的现状及其发展方向[J].吉首大学学报（自然科学版），2009（01）.
[2] Rosenfeld A.Computer Vision-Past，Present and Future.Information Science，1991 57-58：241-243.
[3] Aydin A.，O. Cangar，S. ErenOzcan， C. Bahr， D. Berckmans.Application of a fullyautomatic analysis tool to assess the activity of broiler chickens with different gait scores[J].Computers and Electronics in Agriculture，2010，73： 194-199.
[4] KristensenH H，Cornou C.Automatic detection of deviations in activity levels in groups of broilerchickens-A pilot study.Biosystems Engineering，2011，109（4）：369-376.
[5] Leroy T.，E.Vranken， E. Struelens， B.Sonck， D.Berckmans.Pp 685-693 in the SeventhInternational Livestock Environment Symposium（18-20 May 2005，Beijing， China），T.Brown-Brandl and R. Maghirang.18 May 2005.ASAE Pub #701P0205.
[6] Leroy T，Vranken E，Van Brecht A， et al.A computer vision method for on-line behavioralquantification of individually caged poultry.Transactions of the ASABE，2006，49（3）：795-802.
[7] Leroy T，Vranken E，Struelens E，et al.Computer vision based recognition of behavior phenotypes oflaying hens. The 2005 ASAE Annual International Meeting.Tampa，Florida，2005：paper no 054002.
[8] Lott， B.D.，Reece，F.N.，McNaughton，J.L.，1982.An automated weighing system foruse in poultry research.Poultry Science 61，
236-238.
[9] Mollah M B R， Hasan M A， Salam M A， et al.Digital image analysis to estimate the live weight ofbroiler.Computers and Electronics in Agriculture，2010，72（1）：48-52.
[10] Paulo G. de Abreu， Valéria M. N. et al. Medidasmorfológicasemfun？觭？觔o do peso e da idadeda ave，pormeio de imagens[J].EngenhariaAgrícola e Ambiental，2012，16（7）：795-801.
[11] L.De Wet， E.Vranken， A.Chedad.et al. Computer-assisted image analysis to quantify dailygrowth rates of broiler chickens[J].British Poultry Science，2003，44（4）：524-532.
[12] Garcia， Ribeiro， Guinea D，et al.Eggshell defects detection based on color processing[C].Electronic Imaging.International Society for Optics and Photonics，2000：280-287.
[13] 饶秀勤，岑益科，应义斌.基于外形几何特征的鸡蛋重量检测模型[J].中国家禽，2008（5）：18-20.
[14] 王巧华， 熊利荣，丁幼春等.鸡蛋新鲜度神经网络检测系统的研究[J].华中农业大学学报，2005，24（6）：630-632.