機(jī)器視覺技術(shù)在家禽產(chǎn)業(yè)中的應(yīng)用與發(fā)展趨勢

摘 要：文章闡述了機(jī)器視覺技術(shù)在家禽領(lǐng)域的綜合應(yīng)用及潛在影響，介紹了機(jī)器視覺技術(shù)的基本原理以及在家禽業(yè)精準(zhǔn)飼養(yǎng)、環(huán)境控制、產(chǎn)品監(jiān)測和行為分析等方面的作用，探討了機(jī)器視覺技術(shù)目前面臨的挑戰(zhàn)與局限，如環(huán)境適應(yīng)性、數(shù)據(jù)處理能力、算法復(fù)雜性和成本問題，也展望了未來技術(shù)發(fā)展的趨勢，包括降本增效、多模態(tài)感知、精準(zhǔn)養(yǎng)殖業(yè)的普及、自決策機(jī)器人的發(fā)展、環(huán)境可持續(xù)性等方面。

關(guān)鍵詞：機(jī)器視覺；家禽業(yè)；神經(jīng)網(wǎng)絡(luò)

中圖分類號：S818.9 文獻(xiàn)標(biāo)識碼：A 文章編號：1673-1085（2024）07-0059-04

近年來，隨著全球人口的持續(xù)增長和消費(fèi)者對肉類產(chǎn)品需求的日益上升，家禽業(yè)作為全球農(nóng)業(yè)經(jīng)濟(jì)的關(guān)鍵組成部分，面臨著前所未有的挑戰(zhàn)與機(jī)遇，對食品安全和可持續(xù)生產(chǎn)的關(guān)注日益增加。傳統(tǒng)上，家禽業(yè)生產(chǎn)屬于勞動密集型產(chǎn)業(yè)，效率低下，易受人為誤差和變量的影響?；跈C(jī)器視覺的自動化生產(chǎn)技術(shù)已成為推動家禽業(yè)持續(xù)發(fā)展的重要內(nèi)驅(qū)力，應(yīng)用在家禽生產(chǎn)中，不僅顯著提升生產(chǎn)效率，還改善產(chǎn)品生產(chǎn)的容錯性、一致性，也是保證產(chǎn)品質(zhì)量和可追溯性的有效工具，同時為優(yōu)化家禽養(yǎng)殖環(huán)境和動物福利提供了新路徑，特別是在精準(zhǔn)飼養(yǎng)、健康監(jiān)控和生產(chǎn)過程管理方面，顯示出巨大潛力[1]。

1 "家禽業(yè)傳統(tǒng)生產(chǎn)方式的局限性

家禽業(yè)的傳統(tǒng)生產(chǎn)方式通常以人工勞動為基礎(chǔ)，很大程度上依賴于經(jīng)驗(yàn)和傳統(tǒng)生產(chǎn)方式。傳統(tǒng)的生產(chǎn)方式存在的問題和局限性已經(jīng)阻礙了家禽業(yè)的發(fā)展。

1.1 "養(yǎng)殖戶需定期喂食、清洗養(yǎng)殖設(shè)施裝備和經(jīng)常檢查家禽的健康狀況、養(yǎng)殖環(huán)境情況。這需要大量的勞動力，而且效率低下。

1.2 "傳統(tǒng)家禽養(yǎng)殖缺乏精準(zhǔn)智能的環(huán)境控制系統(tǒng)，溫度、濕度、通風(fēng)、光照和有害氣體等環(huán)境指標(biāo)多由自然環(huán)境和簡單的設(shè)施決定，對家禽生長環(huán)境波動大，影響其健康和產(chǎn)量。

1.3 "在傳統(tǒng)養(yǎng)殖中，疾病管理通常是反應(yīng)性的，即在疾病發(fā)生后才采取措施，可能因喪失最佳預(yù)防和治療時機(jī)，導(dǎo)致疾病迅速蔓延，給家禽群體帶來嚴(yán)重危害。

1.4 "生產(chǎn)記錄通常手工完成，易出錯，難以開展系統(tǒng)的數(shù)據(jù)分析和趨勢預(yù)測。

1.5 "家禽傳統(tǒng)飼喂多是人工或者簡單機(jī)械飼喂，不夠精準(zhǔn)，易導(dǎo)致飼料喂食效率不高，無法針對每只家禽需求進(jìn)行優(yōu)化。

1.6 "家禽產(chǎn)品的處理（如屠宰、分割、包裝）和銷售在傳統(tǒng)模式下也主要依賴人工操作，效率低、可追溯性差，難以保證產(chǎn)品質(zhì)量和安全。

2 "機(jī)器視覺的工作原理

機(jī)器視覺是一種模擬人類視覺的仿生學(xué)技術(shù)，其核心流程是將視覺信息轉(zhuǎn)換為可供計算機(jī)處理的數(shù)字信號，并通過算法進(jìn)行有效解釋，以實(shí)現(xiàn)自動化檢測、識別和控制等功能。其基本原理：

2.1 "圖像獲取

使用攝像頭或類似設(shè)備捕獲物體或場景的圖像。這些圖像可以是二維的，也可以是三維的。

2.2 "圖像處理

對捕獲的圖像進(jìn)行處理，包括調(diào)整圖像（如對比度和亮度調(diào)整）、濾波（去除噪聲）、邊緣檢測等，以提取重要特征。

2.3 "特征提取

從處理后的圖像中提取關(guān)鍵信息，如形狀、大小、顏色、紋理等，并對特征進(jìn)行編碼生成特征向量。

2.4 "解釋和決策

利用算法對提取的特征編碼進(jìn)行解釋，執(zhí)行物體識別、判斷、缺陷檢測、測量等任務(wù)。

2.5 "執(zhí)行動作

在某些應(yīng)用中，系統(tǒng)會根據(jù)解釋結(jié)果來控制機(jī)械臂或其他設(shè)備，完成例如分類、定位、操控等動作。

3 "機(jī)器視覺在家禽產(chǎn)業(yè)中的應(yīng)用

機(jī)器視覺技術(shù)已廣泛應(yīng)用于家禽產(chǎn)業(yè)，目前主要集中在生產(chǎn)管理方面，基于機(jī)器視覺技術(shù)開發(fā)的自動化設(shè)備，如自動喂料機(jī)、飲水系統(tǒng)和自動撿蛋機(jī)，提高了生產(chǎn)效率，減少了人工勞動。

3.1 "對家禽進(jìn)行自動分類和計數(shù)

機(jī)器視覺系統(tǒng)可以自動識別和分類家禽，比如按體重、品種進(jìn)行分類，并自動記錄數(shù)量，這有助于優(yōu)化養(yǎng)殖過程和提高生產(chǎn)效率。

3.2 "監(jiān)測家禽的健康狀況

通過分析、提取家禽的圖像特征，結(jié)合對禽類體型、重量和其他生長指標(biāo)、行為的分析，檢測異常行為、患病跡象或異常的外貌特征，還可識別壓力、恐懼和疾病跡象。

機(jī)器視覺系統(tǒng)能夠持續(xù)監(jiān)控家禽的行為和外觀，分析其活動模式、飲食習(xí)慣或羽毛狀態(tài)等，及早發(fā)現(xiàn)健康問題或疾病跡象。早期診斷有助于防止疾病蔓延，降低死亡率。李勛輝[2]利用基于數(shù)據(jù)流編程的符號數(shù)學(xué)系統(tǒng)TensorFlow，對家禽個體圖像信息進(jìn)行邊緣計算，確定個體體征狀態(tài)，包括活禽、死禽數(shù)量、病態(tài)特征（例如應(yīng)激反應(yīng)、雞冠軟塌、癱瘓）等。Mbelwa研究[3]了一種基于深度學(xué)習(xí)方法的模型和用于診斷家禽疾病的數(shù)據(jù)集，可以部署在智能手機(jī)上；該模型是一種識別糞便圖像的深度卷積神經(jīng)網(wǎng)絡(luò)（CNN）預(yù)訓(xùn)練模型，經(jīng)過測試遷移學(xué)習(xí)率可達(dá)94%。KCA[4]提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的雞聲音處理識別方法，用于禽流感早期檢測，識別準(zhǔn)確率在89.79%～95.84%之間。

3.3 "監(jiān)測飼料的消耗情況

通過機(jī)器視覺，可以自動化監(jiān)測家禽的生長發(fā)育情況，根據(jù)它們的體型和體重調(diào)整喂養(yǎng)量和營養(yǎng)組成，從而可以確保家禽獲得均衡的營養(yǎng)，同時減少飼料浪費(fèi)。這對合理安排飼料供應(yīng)、提高飼養(yǎng)效益有重要意義。

3.4 "監(jiān)測禽舍內(nèi)的環(huán)境條件

監(jiān)測內(nèi)容包括溫濕度、光照情況、設(shè)備運(yùn)行狀態(tài)等，及時發(fā)現(xiàn)并糾正不良環(huán)境因素。當(dāng)前大多數(shù)家禽飼養(yǎng)場都使用環(huán)境控制器，通過智能傳感器監(jiān)測家禽生長必須的環(huán)境指標(biāo)，自動環(huán)控設(shè)備的介入使無人禽舍成為可能。機(jī)器視覺的應(yīng)用減少了對人工的依賴，尤其是在持續(xù)監(jiān)測和數(shù)據(jù)記錄方面，這不僅減少了勞動成本，也提高了數(shù)據(jù)的準(zhǔn)確性和可靠性。Figueiredo G F[5]開發(fā)了一個評估家禽群體聚集行為的圖像分析系統(tǒng)，通過算法從家禽飼養(yǎng)環(huán)境中獲取家禽溫度和攝食行為。劉娜等[6]完成了一種新型家禽清理機(jī)器人的設(shè)計，可以完成合理避障和清掃垃圾的功能，具有體積小、效率高、成本低等優(yōu)點(diǎn)，為實(shí)現(xiàn)家禽養(yǎng)殖場清掃自動化提供了技術(shù)支持。

3.5 "檢測、分級蛋和肉類產(chǎn)品

通過分析蛋殼的顏色、形狀和表面缺陷，自動將蛋類進(jìn)行分級；通過分析肉類產(chǎn)品的外觀、色澤、花紋，可快速實(shí)現(xiàn)肉類產(chǎn)品的分級操作。苑進(jìn)等[7]申報的實(shí)用新型專利涉及一種禽蛋運(yùn)輸包裝機(jī)器人，可用于收集、儲存和運(yùn)輸禽蛋，具有拾取、旋轉(zhuǎn)、定位和自動記錄分析產(chǎn)蛋數(shù)據(jù)等功能。

Mota-Grajales R[8]發(fā)明了一種檢測起皺、疙瘩等蛋殼損傷狀況的視覺智能識別系統(tǒng)，通過人工神經(jīng)網(wǎng)絡(luò)算法（ANN）進(jìn)行分類和訓(xùn)練， 對150 個雞蛋樣本識別率達(dá)到了 97.5%。

3.6 "監(jiān)測養(yǎng)殖場火災(zāi)風(fēng)險

通過實(shí)時監(jiān)測飼養(yǎng)場內(nèi)的溫度和煙霧情況，可及早發(fā)現(xiàn)火災(zāi)跡象，采取緊急措施，減小損失。

4 "影響與未來趨勢

4.1 "挑戰(zhàn)與局限

4.1.1 "家禽養(yǎng)殖環(huán)境通常復(fù)雜多變，存在灰塵、光線變化、有害氣體、溫濕度波動等，這些因素影響機(jī)器視覺技術(shù)在應(yīng)用層面的準(zhǔn)確性和可靠性。

4.1.2 "隨著家禽業(yè)智能裝備的應(yīng)用，產(chǎn)生的數(shù)據(jù)量巨大，需要高效通用模型和級數(shù)級別增長的算力來確保實(shí)時處理和準(zhǔn)確分析。

4.1.3 "開發(fā)能夠準(zhǔn)確識別、分析家禽行為、健康狀況的算法是一大挑戰(zhàn)。這需要海量數(shù)據(jù)和深入的專業(yè)知識來訓(xùn)練和優(yōu)化這些算法。

4.1.4 "技術(shù)研發(fā)會顯著提升初始投資和運(yùn)維成本，例如目前專業(yè)級的人工智能芯片價格居高不下，對于小規(guī)?；蛸Y源有限的家禽養(yǎng)殖場，是較大的財務(wù)負(fù)擔(dān)。

4.1.5 "運(yùn)用機(jī)器視覺相關(guān)系統(tǒng)需要專業(yè)的技術(shù)知識和操作技能，這些對養(yǎng)殖場員工提出新的要求；相關(guān)知識更新迭代速度較快，還要定期接受培訓(xùn)。

4.1.6 "機(jī)器視覺系統(tǒng)在全天候巡檢產(chǎn)生的持續(xù)噪聲污染、傳感器產(chǎn)生的電磁干擾等，可能會影響家禽的行為和福利。如何確保這些技術(shù)的應(yīng)用不會給動物造成壓力或傷害，也是目前面對的一個挑戰(zhàn)。

4.1.7 "收集和處理大量家禽養(yǎng)殖相關(guān)數(shù)據(jù)可能涉及隱私和安全風(fēng)險，特別在公網(wǎng)的傳輸過程中，數(shù)據(jù)泄露是一個巨大隱患。如何確保數(shù)據(jù)的安全存儲、處理和傳輸必將成為未來的一個研究重點(diǎn)。

4.2 "發(fā)展趨勢

4.2.1 "未來機(jī)器視覺系統(tǒng)將更加多模態(tài)，未來機(jī)器視覺系統(tǒng)將結(jié)合視覺、聲音、溫度、氣象等多位傳感器，數(shù)據(jù)會更加多模態(tài)。多模態(tài)綜合感知將提供更全面的信息，有助準(zhǔn)確監(jiān)測家禽狀態(tài)，及時調(diào)整養(yǎng)殖生產(chǎn)策略。

4.2.2 "基于機(jī)器視覺技術(shù)的人工智能被廣泛應(yīng)用于精準(zhǔn)養(yǎng)殖。通過使用高分辨率圖像和傳感器，可以準(zhǔn)確監(jiān)測家禽健康狀況，實(shí)現(xiàn)精細(xì)管理和資源調(diào)配，在提高效率的同時減少資源浪費(fèi)。

4.2.3 "加強(qiáng)自決策能力將是未來基于視覺識別的機(jī)器人技術(shù)的發(fā)展趨勢。適應(yīng)性更強(qiáng)的更智能機(jī)器人能夠在不同環(huán)境中執(zhí)行任務(wù)，例如在不同的禽舍間自主導(dǎo)航、監(jiān)測和處理整個養(yǎng)殖場的工作，實(shí)現(xiàn)無人值守。

4.2.4 "智能化養(yǎng)殖系統(tǒng)將致力于減少對化學(xué)品的依賴，通過精確的資源管理和預(yù)測性維護(hù)，能夠降低環(huán)境帶來的影響，提高家禽生產(chǎn)的可持續(xù)性。

4.2.5 "制定開放性標(biāo)準(zhǔn)和提高兼容性能夠使技術(shù)整合的復(fù)雜性降低，有助于家禽業(yè)從業(yè)者快速掌握新技術(shù)，降低學(xué)習(xí)成本。

4.2.6 "機(jī)器視覺技術(shù)離不開跨學(xué)科合作，如與生物學(xué)、工程學(xué)、遺傳學(xué)、計算科學(xué)和獸醫(yī)學(xué)結(jié)合，多學(xué)科融合使企業(yè)或科研單位更易推出基于機(jī)器視覺的自動化裝備和人工智能領(lǐng)域的整套解決方案。

參考文獻(xiàn)：

[1] "ROSIE，BURGIN.Robot concept gives a glimpse into the future[J].World Poultry，2016，32（3）：6-7.

[2] "北京中農(nóng)志遠(yuǎn)電子商務(wù)有限公司.一種基于圖像識別的家禽養(yǎng)殖場養(yǎng)殖數(shù)量識別設(shè)備：CN201911075714.8[P].2020-01-31.

[3] "MBELWA H.Image-based poultry disease detection using deep convolutional neural network[D].Arusha：NM-AIST，2021.

[4] " KC A， TZAB C，JH A，et al.Detection of avian influenza-infected chickens based on a "chicken sound convolutional neural network[J].Computers and Electronics in Agriculture，2020，178：105688.

5] " FIGUEIREDO G F， DICKERSON T W， BENSON E R，et al.Development of Machine Vision Based Poultry Behavior Analysis System[C]//2003 ASAE Annual International Meeting，Vegas， Nevada， USA，2003：033083.2003.DOI：10.13031/2013.14053.

[6] 劉娜，郭文川，張偉華，等.家禽養(yǎng)殖場自動清掃機(jī)器人設(shè)計[J].農(nóng)機(jī)化研究，2009，31（4）：98-99 +103.

[7] 苑進(jìn)，李揚(yáng)，劉雪美，等.禽蛋自動撿拾系統(tǒng)結(jié)構(gòu)設(shè)計及機(jī)械手運(yùn)動規(guī)劃[J].農(nóng)業(yè)工程學(xué)報，2016 ，32（08）：

48-55.

[8] MOTA-GRAJALES R，TORRES-PEA J C，CAMAS-ANZUETO J L，et al.Defect detection in eggshell using a vision system to ensure the incubation in poultry production[J]. Measurement，2019，135：39-46.