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(cè)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(wèn)題，也展望了未來(lái)技術(shù)發(fā)展的趨勢(shì)，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(hào)：S818.9 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1673-1085（2024）07-0059-04

近年來(lái)，隨著全球人口的持續(xù)增長(zhǎng)和消費(fèi)者對(duì)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(duì)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(dòng)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(dòng)化生產(chǎn)技術(shù)已成為推動(dòng)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(cuò)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(shí)為優(yōu)化家禽養(yǎng)殖環(huán)境和動(dòng)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(guò)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(dòng)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(wèn)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(dòng)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(jiǎn)單的設(shè)施決定，對(duì)家禽生長(zhǎng)環(huán)境波動(dòng)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(shí)機(jī)，導(dǎo)致疾病迅速蔓延，給家禽群體帶來(lái)嚴(yán)重危害。

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

1.5 "家禽傳統(tǒng)飼喂多是人工或者簡(jiǎn)單機(jī)械飼喂，不夠精準(zhǔn)，易導(dǎo)致飼料喂食效率不高，無(wú)法針對(duì)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(jì)算機(jī)處理的數(shù)字信號(hào)，并通過(guò)算法進(jìn)行有效解釋，以實(shí)現(xiàn)自動(dòng)化檢測(cè)、識(shí)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(chǎng)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(duì)捕獲的圖像進(jìn)行處理，包括調(diào)整圖像（如對(duì)比度和亮度調(diào)整）、濾波（去除噪聲）、邊緣檢測(cè)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(duì)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(duì)提取的特征編碼進(jìn)行解釋，執(zhí)行物體識(shí)別、判斷、缺陷檢測(cè)、測(cè)量等任務(wù)。

2.5 "執(zhí)行動(dòng)作

在某些應(yīng)用中，系統(tǒng)會(huì)根據(jù)解釋結(jié)果來(lái)控制機(jī)械臂或其他設(shè)備，完成例如分類、定位、操控等動(dòng)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(dòng)化設(shè)備，如自動(dòng)喂料機(jī)、飲水系統(tǒng)和自動(dòng)撿蛋機(jī)，提高了生產(chǎn)效率，減少了人工勞動(dòng)。

3.1 "對(duì)家禽進(jìn)行自動(dòng)分類和計(jì)數(shù)

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

3.2 "監(jiān)測(cè)家禽的健康狀況

通過(guò)分析、提取家禽的圖像特征，結(jié)合對(duì)禽類體型、重量和其他生長(zhǎng)指標(biāo)、行為的分析，檢測(cè)異常行為、患病跡象或異常的外貌特征，還可識(shí)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(dòng)模式、飲食習(xí)慣或羽毛狀態(tài)等，及早發(fā)現(xiàn)健康問(wèn)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(hào)數(shù)學(xué)系統(tǒng)TensorFlow，對(duì)家禽個(gè)體圖像信息進(jìn)行邊緣計(jì)算，確定個(gè)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(shí)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(guò)測(cè)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(shí)別方法，用于禽流感早期檢測(cè)，識(shí)別準(zhǔn)確率在89.79%～95.84%之間。

3.3 "監(jiān)測(cè)飼料的消耗情況

通過(guò)機(jī)器視覺，可以自動(dòng)化監(jiān)測(cè)家禽的生長(zhǎng)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(yíng)養(yǎng)組成，從而可以確保家禽獲得均衡的營(yíng)養(yǎng)，同時(shí)減少飼料浪費(fèi)。這對(duì)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(cè)禽舍內(nèi)的環(huán)境條件

監(jiān)測(cè)內(nèi)容包括溫濕度、光照情況、設(shè)備運(yùn)行狀態(tài)等，及時(shí)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(chǎng)都使用環(huán)境控制器，通過(guò)智能傳感器監(jiān)測(cè)家禽生長(zhǎng)必須的環(huán)境指標(biāo)，自動(dòng)環(huán)控設(shè)備的介入使無(wú)人禽舍成為可能。機(jī)器視覺的應(yīng)用減少了對(duì)人工的依賴，尤其是在持續(xù)監(jiān)測(cè)和數(shù)據(jù)記錄方面，這不僅減少了勞動(dòng)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(gè)評(píng)估家禽群體聚集行為的圖像分析系統(tǒng)，通過(guò)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(jì)，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(chǎng)清掃自動(dòng)化提供了技術(shù)支持。

3.5 "檢測(cè)、分級(jí)蛋和肉類產(chǎn)品

通過(guò)分析蛋殼的顏色、形狀和表面缺陷，自動(dòng)將蛋類進(jìn)行分級(jí)；通過(guò)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(jí)操作。苑進(jìn)等[7]申報(bào)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(chǔ)存和運(yùn)輸禽蛋，具有拾取、旋轉(zhuǎn)、定位和自動(dòng)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(cè)起皺、疙瘩等蛋殼損傷狀況的視覺智能識(shí)別系統(tǒng)，通過(guò)人工神經(jīng)網(wǎng)絡(luò)算法（ANN）進(jìn)行分類和訓(xùn)練， 對(duì)150 個(gè)雞蛋樣本識(shí)別率達(dá)到了 97.5%。

3.6 "監(jiān)測(cè)養(yǎng)殖場(chǎng)火災(zāi)風(fēng)險(xiǎn)

通過(guò)實(shí)時(shí)監(jiān)測(cè)飼養(yǎng)場(chǎng)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(lái)趨勢(shì)

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(dòng)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(jí)數(shù)級(jí)別增長(zhǎng)的算力來(lái)確保實(shí)時(shí)處理和準(zhǔn)確分析。

4.1.3 "開發(fā)能夠準(zhǔn)確識(shí)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(shí)來(lái)訓(xùn)練和優(yōu)化這些算法。

4.1.4 "技術(shù)研發(fā)會(huì)顯著提升初始投資和運(yùn)維成本，例如目前專業(yè)級(jí)的人工智能芯片價(jià)格居高不下，對(duì)于小規(guī)模或資源有限的家禽養(yǎng)殖場(chǎng)，是較大的財(cái)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(shí)和操作技能，這些對(duì)養(yǎng)殖場(chǎng)員工提出新的要求；相關(guān)知識(shí)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(huì)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(huì)給動(dòng)物造成壓力或傷害，也是目前面對(duì)的一個(gè)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(xiǎn)，特別在公網(wǎng)的傳輸過(guò)程中，數(shù)據(jù)泄露是一個(gè)巨大隱患。如何確保數(shù)據(jù)的安全存儲(chǔ)、處理和傳輸必將成為未來(lái)的一個(gè)研究重點(diǎn)。

4.2 "發(fā)展趨勢(shì)

4.2.1 "未來(lái)機(jī)器視覺系統(tǒng)將更加多模態(tài)，未來(lái)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(huì)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(cè)家禽狀態(tài)，及時(shí)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(guò)使用高分辨率圖像和傳感器，可以準(zhǔn)確監(jiān)測(cè)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(shí)減少資源浪費(fèi)。

4.2.3 "加強(qiáng)自決策能力將是未來(lái)基于視覺識(shí)別的機(jī)器人技術(shù)的發(fā)展趨勢(shì)。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(cè)和處理整個(gè)養(yǎng)殖場(chǎng)的工作，實(shí)現(xiàn)無(wú)人值守。

4.2.4 "智能化養(yǎng)殖系統(tǒng)將致力于減少對(duì)化學(xué)品的依賴，通過(guò)精確的資源管理和預(yù)測(cè)性維護(hù)，能夠降低環(huán)境帶來(lái)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(jì)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(dòng)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(shí)別的家禽養(yǎng)殖場(chǎng)養(yǎng)殖數(shù)量識(shí)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(chǎng)自動(dòng)清掃機(jī)器人設(shè)計(jì)[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(dòng)撿拾系統(tǒng)結(jié)構(gòu)設(shè)計(jì)及機(jī)械手運(yùn)動(dòng)規(guī)劃[J].農(nóng)業(yè)工程學(xué)報(bào)，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.