人工智能技術(shù)在智能化管理中的應(yīng)用研究

張琳

關(guān)鍵詞：人工智能；畜牧；管理；信息；算法

0 前言

習(xí)近平總書記高度重視農(nóng)業(yè)科技、農(nóng)業(yè)機(jī)械化以及農(nóng)民增收工作，強(qiáng)調(diào)“要把發(fā)展農(nóng)業(yè)科技放在更加突出的位置，大力推進(jìn)農(nóng)業(yè)機(jī)械化、智能化，給農(nóng)業(yè)現(xiàn)代化插上科技的翅膀。” [1]《“十四五”數(shù)字經(jīng)濟(jì)發(fā)展規(guī)劃》提出，大力推進(jìn)產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型。加快企業(yè)數(shù)字化轉(zhuǎn)型升級，全面深化重點(diǎn)行業(yè)、產(chǎn)業(yè)園區(qū)和集群數(shù)字化轉(zhuǎn)型，培育轉(zhuǎn)型支撐服務(wù)生態(tài)。其中提出，要大力提升農(nóng)業(yè)數(shù)字化水平，推進(jìn)“三農(nóng)”綜合信息服務(wù)，創(chuàng)新發(fā)展智慧農(nóng)業(yè)，提升農(nóng)業(yè)生產(chǎn)、加工、銷售、物流等各環(huán)節(jié)數(shù)字化水平[2]。

AI（（Artificial Intelligence） 在畜牧管理中的應(yīng)用逐漸得到行業(yè)的廣泛關(guān)注。在現(xiàn)代畜牧業(yè)中，生產(chǎn)力的提高和生產(chǎn)關(guān)系的調(diào)整也是畜牧業(yè)科學(xué)、可持續(xù)發(fā)展的關(guān)鍵。人工智能技術(shù)作為一種新型的生產(chǎn)力，可以幫助畜牧業(yè)者更好地管理動物飼養(yǎng)、繁殖、健康和環(huán)境等方面，讓科技賦能助推現(xiàn)代農(nóng)業(yè)高質(zhì)量發(fā)展。

目前，我國大多數(shù)畜牧業(yè)操作仍然需要手工記錄（如牛羊的數(shù)量），農(nóng)業(yè)的智能化要求科技賦能現(xiàn)代農(nóng)業(yè)，AI可以介入這項(xiàng)勞動中，國內(nèi)外已經(jīng)有不少相關(guān)應(yīng)用結(jié)合的實(shí)例，如：新西蘭的（Te Pari） 公司發(fā)布了“Taurus”，一種自動分揀溜槽設(shè)備，其使用激光束和傳感器檢測進(jìn)入溜槽的牛，并通過打開與關(guān)閉入口門做出反應(yīng)，來判斷牛的數(shù)量。（如圖1） 阿里云目前已經(jīng)研發(fā)完成“通道數(shù)羊”和“大欄數(shù)羊”2種算法。“通道數(shù)羊”需要在羊的通道上方架設(shè)攝像裝置，通過算法自動識別通道跑過多少只羊。

本文將重點(diǎn)研究人工智能技術(shù)在畜牧管理中的應(yīng)用，包括如何用人工智能技術(shù)實(shí)現(xiàn)牧場數(shù)羊研究，實(shí)現(xiàn)牧場空間中，依靠AI正確統(tǒng)計在一定范圍內(nèi)羊的數(shù)量問題，并探討如何利用人工智能技術(shù)對養(yǎng)殖業(yè)進(jìn)行智能化管理和優(yōu)化，進(jìn)一步推動養(yǎng)殖業(yè)的發(fā)展。

1 人工智能技術(shù)介入牧場數(shù)羊管理

AI介入牧場數(shù)羊，需要匹配相應(yīng)的計算機(jī)視覺技術(shù)和人工智能算法以及相應(yīng)的設(shè)備系統(tǒng)（圖2） ，是一個系統(tǒng)的信息設(shè)計。信息設(shè)計是定義、規(guī)劃和構(gòu)建信息內(nèi)容和信息呈現(xiàn)的環(huán)境，以滿足目標(biāo)用戶接受信息需求的設(shè)計。如何將人工智能技術(shù)介入牧場放牧管理的數(shù)羊當(dāng)中？在項(xiàng)目開展的前期需要搜集相應(yīng)的數(shù)據(jù)，首先對攝像頭拍攝的羊群圖像或視頻數(shù)據(jù)進(jìn)行處理和分析，得到羊的數(shù)量信息。然后選擇常見的算法，如深度學(xué)習(xí)中的目標(biāo)檢測算法、圖像分割算法、特征提取算法、群體行為分析算法等，哪個算法更適合解決統(tǒng)計羊群中羊的個體數(shù)量問題？首先來看下針對數(shù)羊問題相關(guān)算法的幾個解決路徑。

1） 目標(biāo)檢測算法：如：YOLO、[3]Faster R-CNN[4]等，目標(biāo)檢測算法是指基于手工設(shè)計的特征描述子來提取候選目標(biāo)并進(jìn)行驗(yàn)證的方法，手工設(shè)計的特征一般為目標(biāo)紋理、顏色、邊緣等視覺信息[5]。通過對設(shè)備采集的羊群圖像或視頻數(shù)據(jù)中的羊進(jìn)行檢測和定位。通過檢測算法，可以得到羊的位置信息，從而進(jìn)一步估計羊的數(shù)量。

2） 圖像分割算法：如FCN[6]、U-Net[7]等，圖像分割法指的是，在圖像中目標(biāo)和背景存在明顯差異的前提下，通過選擇合適的閾值將圖像中的目標(biāo)與背景分離開來。當(dāng)圖像比較復(fù)雜、包含多個目標(biāo)時，多閾值分割更加適用[8]。通過對羊群圖像或視頻中的數(shù)據(jù)進(jìn)行分割，將羊與背景分離開來。通過分割算法，可以得到羊的精確位置信息，從而更準(zhǔn)確地計算出羊的數(shù)量。

3） 目標(biāo)跟蹤算法：如卡爾曼濾波[9]、粒子濾波等[10]，目標(biāo)跟蹤作為機(jī)器學(xué)習(xí)的一個重要分支，在第一幀中給定待跟蹤目標(biāo)的情況下對目標(biāo)進(jìn)行特征提取并分析，在后續(xù)圖形中教導(dǎo)相似的特征區(qū)域，并在目標(biāo)的下一幀位置進(jìn)行預(yù)測。通過對羊群圖像或視頻數(shù)據(jù)中的羊進(jìn)行跟蹤。通過追蹤算法[11]，可以得到羊的位置信息數(shù)據(jù)，并根據(jù)位置信息預(yù)測牧場中羊的數(shù)量。

4） 群體行為分析算法：群體行為分析算法[12]，如群體聚類[13]、群體運(yùn)動[14]模型等，對羊群的行為進(jìn)行分析。1975 年，美國密歇根大學(xué)的約翰·霍蘭德（JohnHolland）教授發(fā)表了其代表作《自然與人工系統(tǒng)的適應(yīng)》（Adaptation in Natural and Artificial Systems） 。在該書中，作者詳細(xì)闡述了智能系統(tǒng)及其在自然界中的自適應(yīng)變化機(jī)制，并提出了計算機(jī)程序的自適應(yīng)變化機(jī)制理論，被認(rèn)為是最早的群體智能算法理論之一[15]。該算法可以對群體的行為作出相對準(zhǔn)確的預(yù)測，運(yùn)用到屬羊中可以得到羊群的密度、速度等信息，實(shí)現(xiàn)更加動態(tài)的準(zhǔn)確預(yù)測，從而得到羊群中羊的數(shù)量。

因此，使用目標(biāo)檢測算法、圖像分割算法、追蹤算法和群體行為分析算法等人工智能算法，都可以對牧場內(nèi)移動的羊進(jìn)行數(shù)量估計。那么哪種算法能夠達(dá)到更理想的效果？

本文側(cè)重提出群體行為分析算法來解決數(shù)羊問題，群體行為分析模型的建立在數(shù)羊群中羊的數(shù)量估計方面具有一定的優(yōu)勢，以下是優(yōu)勢分析：首先，群體行為分析算法可以更好地理解羊群的行為和運(yùn)動模式。羊群中的每只羊都會受到周圍羊群的影響，因此牧場中羊的數(shù)量和位置是動態(tài)變化的。群體行為分析算法可以通過對羊群中羊的位置、速度、加速度等因素的分析，理解羊群的行為和運(yùn)動模式，從而更準(zhǔn)確地估計羊的數(shù)量。

其次，群體行為分析算法能夠更好地處理羊群中的遮擋和重疊問題。在羊群中，羊在實(shí)際牧場中可能會相互遮擋或重疊，導(dǎo)致目標(biāo)檢測算法、圖像分割算法和追蹤算法難以準(zhǔn)確地檢測或跟蹤羊的數(shù)量。而群體行為分析算法可以通過對羊群中羊的位置、運(yùn)動方向等信息的綜合分析，來解決這些問題，從而更好地估計羊的數(shù)量。

最后，群體行為分析算法可以更好地應(yīng)對羊群中羊的數(shù)量變化。在牧場實(shí)際運(yùn)營與管理當(dāng)中，羊的數(shù)量可能會隨著時間的推移，因?yàn)楦鞣N不可控制的因素而發(fā)生變化，例如：出生、死亡、移動等。群體行為分析算法可以對羊群中羊的數(shù)量變化進(jìn)行動態(tài)跟蹤和分析，從而更準(zhǔn)確地估計羊的數(shù)量。因此，群體行為分析算法在數(shù)羊群中羊的數(shù)量估計方面表現(xiàn)優(yōu)于其他算法。

2 群體行為分析算法實(shí)現(xiàn)數(shù)羊目標(biāo)的步驟與方法

群體行為分析算法實(shí)現(xiàn)數(shù)羊目標(biāo)的步驟與方法如圖3所示。

2.1 群體分割

在群體分割[16]這一步驟中，首先使用背景減除方法來構(gòu)建背景模型，并從當(dāng)前幀圖像進(jìn)行像素值減法運(yùn)算，以得到前景目標(biāo)，其中兩種常用的背景模型包括“平均模型”與“中值模型”，它們分別通過計算一段時間內(nèi)若干幀圖像在同一位置上的平均值和中值去構(gòu)建背景模型。在進(jìn)行前景目標(biāo)提取時，可以采用絕對值差或平方差法計算，其中絕對值差法對噪聲敏感但運(yùn)算效率高，平方差法對噪聲具有一定的魯棒性但運(yùn)算復(fù)雜度較高。在進(jìn)行背景減除后，需要將前景目標(biāo)進(jìn)行二值化[17]處理，從而得到信息中羊群的二值圖像。

群體分割是圖像分割中的重要步驟之一，通過構(gòu)建差分圖像來提取移動目標(biāo)，為后續(xù)的特征提取和目標(biāo)跟蹤等處理提供輸入，需要注意的是，群體分割性能易受環(huán)境變化的影響，因此需要采取恰當(dāng)?shù)姆绞礁卤尘澳Ｐ鸵赃m應(yīng)環(huán)境變化。

2.2 特征提取

對于羊群的二值圖像，可以提取一些特征來描述羊的形態(tài)和運(yùn)動，這一步非常的重要，關(guān)系到后續(xù)步驟的準(zhǔn)確與否，在實(shí)際信息設(shè)計中往往因?yàn)檫@一步對于信息的粗糙提取，導(dǎo)致最終結(jié)果的偏差。具體需要提取的特征包括：1） 羊群的面積；2） 周長；3） 幾何中心等重要特征數(shù)據(jù)。需要注意的是：相對應(yīng)的面積是指羊群占據(jù)的像素數(shù)量；周長是指羊群的邊界長度，幾何中心則是指整個羊群的中心點(diǎn)位置。此外，還可以使用“光流算法”來提取羊的運(yùn)動軌跡，從而更加準(zhǔn)確地描述牧場中羊的運(yùn)動狀態(tài)。

2.3 羊群聚合

對于提取的特征，可以使用聚類算法（聚類算法是一種無監(jiān)督學(xué)習(xí)方法，它將數(shù)據(jù)集劃分為若干個組或“簇”，使得同一簇內(nèi)的數(shù)據(jù)相互之間更相似，而不同簇的數(shù)據(jù)盡可能不同）將羊群進(jìn)行聚合。例如：可以使用K-Means[18]（將數(shù)據(jù)分成K 個簇，每個簇的中心是所有該簇數(shù)據(jù)的平均值，每個數(shù)據(jù)點(diǎn)只能屬于一個簇）算法將羊群分為若干個簇，每個簇代表一個羊群。在此過程中，需要信息設(shè)計者仔細(xì)選擇簇的數(shù)量，并平衡分割精度與算法復(fù)雜度之間的關(guān)系，從而確保算法的準(zhǔn)確性和魯棒性。

2.4 羊數(shù)預(yù)測

對于每個羊群，利用AI的算法可以根據(jù)其相應(yīng)的特征來預(yù)測羊的數(shù)量。例如，可以使用線性回歸等方法，將羊的數(shù)量與群體面積、周長、幾何中心等特征進(jìn)行關(guān)聯(lián)。具體地，訓(xùn)練一個線性回歸模型[19]需要使用歷史數(shù)據(jù)集進(jìn)行訓(xùn)練，該模型可以用于預(yù)測新的羊群數(shù)量。預(yù)測結(jié)果可以用于羊群管理和決策支持等方面。

需要注意的是，群體計數(shù)算法在實(shí)際應(yīng)用中可能會受到一些因素的影響，如天氣、背景、羊群行為等差異，需要針對具體場景進(jìn)行調(diào)整和優(yōu)化。此外，算法的準(zhǔn)確性和魯棒性也需要進(jìn)行實(shí)驗(yàn)驗(yàn)證和評估，以保證算法的實(shí)用性和可靠性。

2.5 羊數(shù)更新

現(xiàn)實(shí)環(huán)境中隨著時間的推移和羊群的運(yùn)動，羊的數(shù)量和位置會不斷發(fā)生變化，導(dǎo)致之前的預(yù)測結(jié)果出現(xiàn)誤差，無法準(zhǔn)確反映當(dāng)前的羊數(shù)量。為了減少預(yù)測誤差和更新羊的數(shù)量，需要定期重新進(jìn)行羊群分割、特征提取、羊群聚合和羊數(shù)預(yù)測。為了解決這個問題，滑動窗口方法（滑動窗口是目標(biāo)檢測中一種常用的方法，其基本思路是采用滑動窗口的方式對輸入圖像進(jìn)行不同窗口大小的遍歷，并對每個窗口執(zhí)行分類器進(jìn)行分類，最終得到檢測結(jié)果）可以有效完成羊數(shù)的更新。其原理如下：選取一個時間窗口（如：1h） ，每次設(shè)置窗口滑動一定的時間間隔（如15 min） ，并進(jìn)行一次更新。在每個時間窗口內(nèi)，會重新進(jìn)行群體分割、特征提取、羊群聚合和羊數(shù)預(yù)測，得到當(dāng)前時間窗口內(nèi)的羊數(shù)量。當(dāng)窗口滑動至下一個時間間隔時，會將當(dāng)前時間窗口內(nèi)的羊數(shù)量和上一個時間窗口的預(yù)測結(jié)果進(jìn)行融合，最后得到更新后的羊數(shù)量。

3 結(jié)束語

群體行為識別的方法種類繁多，依據(jù)建模模型對群體行為進(jìn)行分類，群體行為識別方法大致可以分為以下3大類，即：1） 基語法模型（grammar model） 的方法；2） 基于深度網(wǎng)絡(luò)模型（deep neural network model）；3） 基于圖模型（graphical model） 。 目前，大部分群體行為識別的研究都基于圖模型和深度網(wǎng)絡(luò)模型[20]。除了本文數(shù)羊的應(yīng)用場景以外，諸如：判斷候鳥保護(hù)區(qū)中鳥群的數(shù)量等也可以應(yīng)用到該種算法。

通過運(yùn)用AI，農(nóng)業(yè)管理者可以精準(zhǔn)地、動態(tài)地掌握牧場內(nèi)羊的數(shù)量以便及時作出管理決策，以確保羊群的健康和產(chǎn)出。這對現(xiàn)代牧場管理走向智能化具有很大的推進(jìn)作用。群體行為分析算法在解決這個問題上也起著至關(guān)重要的作用。羊群的行為模式和移動規(guī)律會影響羊只數(shù)量的評估，而群體行為分析算法可以更加準(zhǔn)確地掌握羊群的移動規(guī)律，從而更好地評估羊只數(shù)量。未來，中國農(nóng)業(yè)智能化進(jìn)程中的設(shè)計師們可以進(jìn)一步探索人工智能算法在牧場管理領(lǐng)域的應(yīng)用，例如：基于圖像識別技術(shù)的牛、雞、豬等家畜數(shù)量進(jìn)行評估，基于傳感器技術(shù)的動物健康監(jiān)測等。AI技術(shù)的進(jìn)步，為牧場智能化管理注入了新的活力，使得牧場生產(chǎn)與管理邁入了智能化時代。未來，人工智能技術(shù)在牧場管理領(lǐng)域還將有更廣闊的應(yīng)用前景，它將進(jìn)一步推動我國農(nóng)業(yè)生產(chǎn)的精準(zhǔn)化、智能化與現(xiàn)代化發(fā)展。