基于物聯網的生豬屠宰監管系統關鍵技術研究

何玲++陳長喜++許曉華

摘要：為加大生豬屠宰監管的力度，節省監管人力，根據基層動物衛生監督部門的業務需求，開發了生豬屠宰自動化監管系統。系統運用物聯網技術實現生豬屠宰全程數據的自動采集、自動判定，判定結果不正常將向動物衛生監督部門告警，判定結果正常將驅動豬體灼印和打印出廠合格證，以此防止屠宰廠私宰問題生豬；系統運用圖像識別技術，依據注水后豬胃臟異常膨脹的形態特征，自動判定豬是否注水，以此防止屠宰廠屠宰注水豬。研究詳細論述了上述2項技術的實施原理、方法和效果。

關鍵詞：生豬屠宰；物聯網；自動化監管；注水豬；圖像識別

中圖分類號： TP311.52；S126文獻標志碼： A文章編號：1002-1302（2017）06-0201-03

生豬屠宰是關系到市場上豬肉質量是否安全，餐桌上群眾是否吃到放心豬肉的重要環節。因此，各級動物衛生監督部門高度重視生豬屠宰廠（點）的監管工作。當前，監管制度已比較健全、完善，但監管手段還停留在人工監督和抽檢的方式，信息化水平較低，監管效率不高，容易被人為因素干擾[1]。基層動物監督部門希望在現有人力配置的情況下，實現監管無盲區，顯著提高監管效率。天津市西青區動物衛生監督所這一基層監管單位提出了切實的自動化監管需求。根據需求，開發了基于物聯網技術的生豬屠宰全過程自動化監管系統。

目前，動物衛生監督部門對生豬屠宰廠（點）的主要監管方式是向屠宰廠（點）指派駐場監管員，駐場監管員的主要職責是控制屠宰過程符合規范，防止私宰病害豬、注水豬，控制病害豬和有害物按規范進行無害化處理。實際工作中，1名駐場監管員要同時負責多個生豬屠宰廠（點），容易產生監管漏洞。自動化監管系統將替代監管員完成上述職責，主要依據“自動獲取屠宰過程數據，自動將數據傳入系統，自動分析判定數據，對不合規范操作提出警報”。系統綜合采用物聯網技術、圖像識別技術和自動控制技術，實現了自動化監管的功能。這些技術使該系統在行業領域內具有先進性和創新性。

為了便于多類用戶享用系統功能，系統總體架構是采用B/S結構搭建的信息化管理系統；同時，為了接收局域網內各物聯網設備采集到的數據，并存儲于數據庫，系統的數據采集子系統采用C/S結構。整個系統功能包括：第一，以自動化方式獲取屠宰期間各項檢測數據，根據自動判定結果驅動豬體灼印和打印合格證明，并向駐場監管員報警不合格生豬或不當操作；第二，用監控攝像頭采集生豬開膛圖像，用圖像識別技術判斷生豬是否注水；第三，向屠宰企業提供生豬來源去向備案、屠宰數據統計功能；第四，向市、區2級政府監管部門提供不同權限的核查、抽檢、統計、分析功能[2]；第五，向消費者提供生豬來源、屠宰過程、銷售去向的掃碼追溯功能[3]。其中第一項和第二項是核心功能，也是本研究探討重點。

1自動化監管的物聯網體系結構

1.1系統網絡拓撲結構

生豬屠宰全程需要應用很多物聯網設備采集信息，這些設備在屠宰廠內構成了局域網；屠宰廠內的這個局域網通過Internet，與Web服務器和數據庫服務器連接，構成了整個生豬屠宰自動監管系統的網絡；系統管理員、政府監管員、企業管理員通過瀏覽器端管理、操作系統；終端消費者通過手機掃碼查詢追溯信息。整個網絡拓撲結構見圖1。

1.2屠宰廠內的物聯網設計

屠宰廠內的局域網是整個網絡的核心，生豬從進場到售賣分為進場核驗、待宰觀察、屠宰及檢測、冷卻排酸、灼印出證、出廠售賣6個環節。每個環節物聯網設備都要采集信息、處理信息。

1.2.1進廠核驗第一，生豬進場卸車前要查驗《畜禽產地檢疫證明》、《動物及動物產品運載工具消毒證明》和《非疫區證明》[4]，并用高拍儀將證明文件拍照存留系統。第二，為每頭豬編號（豬的唯一標志，不重復），并用RFID讀寫器將編號寫入RFID耳標，備用。第三，豬趕入待宰圈時，要從改造后的通道進入待宰圈，通道的寬度僅容1頭豬通過，并為通道安裝閘門。當1頭生豬通過通道時，在豬耳部施加RFID耳標。第四，在通道中安裝電子地秤和RFID讀卡器，每頭豬通過時自動采集豬編號、體質量和進入待宰圈時間，通過設備的網絡接口傳輸給數據采集程序的計算機，通過該程序將數據寫入數據庫服務器。第五，在卸車前或卸車后發現的異常豬，視情況進行無害化處理或急宰，要向系統錄入“病害豬無害化處

理記錄表”或“急宰記錄表”。

1.2.2待宰觀察按照《生豬屠宰檢疫規程》的規定，生豬在待宰圈中要待宰觀察12 h以上，宰前2 h，官方獸醫進行宰前檢疫，并出具《宰前檢疫合格證》，以證明可屠宰[5]。官方獸醫要在系統中通過電子簽名的方式簽發《準宰證》，這一環節可有效防止他人借用或盜用官方獸醫的名義從系統中簽發《準宰證》，沒有簽發《準宰證》的豬，將無法從系統中打印出廠合格證。

1.2.3屠宰及檢測第一，生豬電麻倒掛于生產鏈，利用RFID讀卡器和電子掛秤對豬進行二次稱質量，采集豬編號、屠宰時間、宰前質量，傳入數據庫。系統自動比對2次時間間隔是否達12 h以上，2次稱質量差值是否在預定范圍，以此判定生豬待宰環節是否符合操作規程，及有無疑似注水現象。第二，生豬宰殺放血后，去頭、蹄，進行頭、蹄檢疫，通過手持RFID讀卡器，將頭、蹄不合格豬的編號傳給數據采集程序，記入數據庫。由于豬頭已去，豬耳上的RFID標簽，必須卸下掛在屠宰杠上，然后將豬掛上屠宰杠。第三，豬開膛、去內臟，攝像頭抓拍5幅圖像，通過圖像識別技術，判斷是否為注水豬。第四，生豬屠宰過程中需要進行多方面檢測，也叫屠宰同步檢疫。這些檢測包括胴體檢測、內臟檢測、肉品品質檢測、三腺（腎上腺、甲狀腺、病變淋巴結）是否摘除、旋毛蟲檢測、瘦肉精及違禁藥品檢測、復檢[6]。瘦肉精及違禁藥品采用專用儀器檢測，檢測數值通過儀器的網絡接口直接傳輸到數據采集程序，并記入數據庫；其余檢測項目均由人工完成。檢測人員檢測發現某項目不合格，用手持RFID讀卡器讀取豬編號，連同檢測項目號，通過數據采集程序傳入系統數據庫。

1.2.4冷卻排酸第一，生豬屠宰完成后，再次用RFID讀卡器和電子掛秤裝置，采集豬編號、稱質量時間、宰后質量，通過數據采集程序傳入數據庫。利用宰后稱質量和宰前稱質量的數值，可以輔助判斷是否存在豬注水現象。第二，根據《生豬屠宰檢疫規程》，由官方檢疫人員在系統中預設判定生豬合格的條件（如《準宰證》電子簽名是否正確、各項目檢測是否正常、待宰時間是否>12 h、3次稱質量差值是否合理等），當系統采集到上述環節的各項數據后，自動將豬分為不合規范、不正常和正常豬等類別。若出現不合規范豬和不正常豬，系統首先向屠宰企業和官方檢疫站告警，然后利用自動控制裝置將非正常豬的屠宰杠分軌到待處理軌道，將正常豬自動傳運到冷庫進行排酸。

1.2.5灼印出證用RFID讀卡器讀取豬編號，系統自動判斷該豬是否合格，若為合格生豬，自動觸發打印《出廠合格證》，并驅動激光灼印設備在豬體上灼出豬編號及驗訖標志。急宰豬在《出廠合格證》上有“急宰”標注。該《出廠合格證》采用平推式打印機，格式化套打方式，未經該系統而私自屠宰的生豬，無法打印合格證，也無法為豬體灼印。另外，《出廠合格證》中所有信息均從數據庫讀取，無法手動輸入，防止未經系統直接打印合格證。

1.2.6出廠售賣第一，售賣前利用電子掛秤再次稱質量，該質量傳入系統，作為銷售質量。第二，系統維護豬肉經銷商信息，并為其制作RFID卡，生豬售賣時，讀卡識別經銷商編號，讀豬RFID卡識別豬，系統采集到哪個經銷商購買了哪些豬，傳入數據庫。第三，讀取豬編號時，系統自動生成包含該豬屠宰信息的可追溯二維碼，并打印二維碼標簽，交給豬肉經銷商。

2注水豬圖像識別算法設計

為防止屠宰廠宰殺注水豬，系統采用2種方法共同判斷并向動監部門發出警報。方法一：稱質量法。生豬從入場到售賣4次稱質量：活豬進待宰圈、宰前、宰后、售賣。前3次稱質量的差值，都可以輔助判斷注水豬現象。方法二：圖像識別法。在“豬開膛”瞬間，抓拍5幅豬開膛圖片，傳回數據采集計算機，經過圖像識別程序，判定是否注水，將結果傳入數據庫。由于注水豬胃臟體積明顯變大，具有較強的形態學特征，故本系統圖像識別程序采用形態學方法識別注水豬。實現過程中調用了OpenCV 3.0圖像處理庫。OpenCV是1個開源、跨平臺計算機視覺庫，輕量級且高效，實現了圖像處理和計算機視覺方面的很多通用算法[7]。

2.1圖像采集

在屠宰車間“豬開膛”工位，安裝固定RFID讀卡器和高清攝像機，豬編號被讀卡器讀到后，即觸發攝像頭抓拍5幅豬開膛后圖片。開膛后觀測注水豬各內臟均有明顯變化，主要是體積增大，邊緣增厚，呈盾形，其中胃部膨脹最為明顯，體積能夠達到正常豬胃的5倍以上[8]。因此，圖像采集的重點區域是豬的胃臟。

2.2圖像預處理

2.2.1圖像消噪由攝像機抓拍的圖像為灰度圖，圖2-a是未注水豬的開膛圖像，圖2-b是注水豬的開膛圖像。

首先要對圖像進行平滑濾波，以減少或消除噪聲對胃識別的影響。中值濾波是最常用的非線性平滑濾波器，該算法簡單，且能夠有效抑制圖像噪聲，并較好地保留邊的銳度和圖像的細節。本系統采用中值濾波法，3×3模板對圖像進行消噪。

2.2.2圖像二值化注水豬的胃臟在圖像中是1塊灰度值較高的連通區域。要識別出該區域，可以通過設定灰度閾值，將圖像二值化，其中連通的前景區域即為可能的胃區域。系統采用自動閾值法[9]（OTSU，大津法）根據graythresh函數確定灰度閾值，轉換成二值圖像，如圖3-a和3-b所示。

2.2.3腐蝕與膨脹由二值化圖像可見，胃區域與腸區域存在小部分連通，為了將胃與腸分離，首先將圖像用3×3結構元素做1次腐蝕運算。然后，為更準確得到胃的區域面積，再對圖像做1次膨脹運算。結果如圖4-a和4-b所示。

2.3特征提取

2.3.1面積特征在預處理后的圖像中，注水豬胃是1塊最大的連通區域，占整個圖像的約1/3。因此，先識別圖像中的最大連通區域，然后計算其面積，非注水豬識別到的最大連通區域見圖5-a，其面積S（a）=23.9萬像素，注水豬識別到的最大連通區域如圖5-b，其面積S（b）=52.3萬像素 。整個圖像的像素數為Sall=162萬像素，當S/Sall≥30%，認定該

圖存在可疑的大連通區域。

2.3.2形狀特征如果根據面積特征值S判定圖像中有可疑大連通區域，則繼續判定該大連通區域的形狀特征。具體方法為：將得到的圖像按列8等分，統計每列的像素值之和，再按行8等分，統計每行的像素值之和，得到1個8維數組，作為特征向量，如表1所示。

根據以上特征向量，注水豬胃的行（列）像素數最大值在第4行（列）或第5行（列），最小值在第1行（列）或第8行（列），行（列）像素數先經過遞增區間，來到峰值，然后進入遞減區間，即判定該區域形狀為不規則類圓形狀。

2.4判定結果

選取20頭豬（18頭正常豬，2頭注水豬），每頭豬拍攝5幅圖像，共100幅豬開膛圖像。用該方法對這些樣本進行圖像識別，識別出注水豬圖像9幅，識別成功率為90%。基于此識別成功率，當每頭豬抓拍到的5幅圖像中有4幅被識別為注水豬圖像，即將“注水”的圖像識別結果提交給數據庫。

3總結

生豬屠宰環節的2項最棘手的問題是私宰生豬和生豬注水。第1個問題，系統通過自動獲取到的檢測數據，自動判斷是否合格生豬，驅動豬體灼印和打印出廠合格證，以此控制私宰豬無法得到灼印和合格證。第2個問題，如果屠宰廠（點）通過該自動化系統流水線屠宰注水豬，系統通過稱質量法和圖像識別法能夠判定注水豬。系統解決了地方動物衛生監督部門在屠宰生豬上的實際問題，同時也為物聯網應用于農業開辟了新領域。

參考文獻：

[1]中國食品科技網.我國生豬產業發展問題研究[EB/OL].（2013-01-06）[2016-01-06]. http：//www.tech-food.com/kndata/1047/0094750.htm.

[2]陳長喜，張宏福，飛頡經緯. 肉雞生產產業技術體系生產監測與產品質量可追溯平臺設計[J]. 農業機械學報，2010，41（8）：100-105.

[3]陳長喜，張宏福，飛頡經緯. 肉雞安全生產全過程跟蹤與可追溯平臺的設計[J]. 農業工程學報，2010，26（9）：263-269.

[4]李江華. GB/T 19479—2004《生豬屠宰良好操作規范》的主要內容[J]. 肉類研究，2014（2）：8.

[5]任永娟，周俊娥，陳茜. 生豬屠宰檢疫流程和檢疫要點[J]. 畜禽業，2011（3）：58-59.

[6]張沙清，郭建華，楊玉法，等. 基于物聯網的豬肉產品質量安全監管與溯源系統[J]. 軟件，2013，34（12）：6-9，31.

[7]雷建鋒，汪偉. 基于OpenCV的圖像閾值分割研究與實現[J]. 現代電子技術，2013，36（24）：73-76.

[8]王小軍，曹曉燕. 定點屠宰場如何杜絕注水豬[J]. 畜牧獸醫雜志，2011，30（1）：84-85.

[9]展慧，李小昱，王為，等. 蟲眼板栗的圖像識別方法研究[J]. 農機化研究，2010，42（8）：122-123.李俊虹，任萍，李俊偉，等. 膜上開溝栽植工藝的設計[J]. 江蘇農業科學，2017，45（6）：204-206.

doi：10.15889/j.issn.1002-1302.2017.06.053