機器視覺下的豬行為識別技術研究

秦陽鴻

摘 要：隨著中國生豬養殖產業的不斷發展，生豬養殖過程中的個體行為檢測逐漸由手工記錄轉化為信息化監管模式。機器視覺是一種較好替代接觸式生豬檢測手段，通過獲取生豬監控視頻，使用機器學習方法識別生豬行為，可以用于識別和預防生豬發生疾病。本文介紹生豬行為機器視覺系統，并分析系統中常用的算法在準確性和有效性上的問題，并分析系統中的重難點研究方向。

關鍵詞：機器視覺;豬行為;目標提取算法;個體識別算法;行為識別算法

在畜牧養殖業中，動物行為與動物福利養殖有直接關系，且動物心理可以從行為識別中得到直接體現。因為動物行為可以觀察，所以為了保障動物健康，避免動物不良行為對畜牧養殖業的影響，在新時代背景下，各國科研人員開始從動物行為入手，重點研究動物心理感受。由于現階段養殖模式正在向著集約化的方向穩步前進，自動化養殖技術越來越高，智能監控也成為養殖系統不可或缺的基礎內容，此時運用機器視覺技術對豬行為進行整合研究，有助于為實踐研究提供更為精準的依據。因此，下面對機器視覺下豬行為識別技術進行研究。

1.豬行為識別視覺系統分析

這一系統主要用來收集豬行為的視頻，并運用視覺處理算法研究視頻中的豬行為，而后輸出識別結果或分析異常。在二十世紀八十年代末期，隨著成像系統的提出，促使豬生產水平得到了優化，各國科研人員開始運用可見光相機和深度相機視覺傳感器來識別豬行為。具體內容分為：其一，可見光相機視覺系統是指運用單目可見光相機得到豬欄俯視圖，以此對豬行為進行跟蹤調查。同時，也會運用單CCD相機獲取俯視圖，以此識別豬行為。從俯視角度觀察豬行為，可以準確獲取豬舍位置變化信息，對比側視角度觀察情況分析，遮擋區域較多，因此更加符合群體豬行為的檢測工作。一般來講，主要用來檢測生豬的運動、飲食及排泄、攀爬攻擊等行為。其二，深度相機視覺系統。要想更快掌握豬行為及相關位置信息，科研人員在觀測的同時還要采集有關信息。例如，Stephen[1]等就運用兩個Kinect獲取俯視角下深度二維圖像，以此對豬目標實施跟蹤調查。

2.研究豬行為識別

2.1運動行為

這類行為識別主要包含：其一，運動檢測。通過觀察豬的運動行為可以正確判斷它的活躍度和健康狀態。其二，跛足檢測。由于跛足屬于家畜常見病，所以做好這項檢測工作可以有效控制疾病傳播，并在發現問題后及時處理。常見方法有壓力傳感器、非接觸式跛足檢測法等。其三，目標跟蹤。這項檢測包含三點：基于模型的生豬跟蹤、基于特征的生豬跟蹤及基于區域的生豬跟蹤。由于目標丟失是影響跟蹤算法的主要原因，常見為群養豬的多個豬體之間彼此靠近和碰觸導致目標間連遮擋。

2.2伏地行為

群聚伏地分布情況直接決定了室內環境參數對豬體的影響，且影響著豬體的健康與生活狀態。例如，Shao等[2]運用圖像緊湊性，結合從前景到背景的像素變化、不變距及占地比等特征，分類檢測了豬的伏地行為。

2.3呼吸行為

豬體在出現疾病后，經常給會出現呼吸急促癥狀。通過了解豬只呼吸頻率，能及時掌握出現的疾病類型。同時，也可以為檢測生物基因與動物行為關系提供依據。在傳統工作模式中，人工觀察雖然可以滿足部分工作需求，但隨著時間和數量的增加，不但會消耗大量資源，而且最終結果具有主觀性。通過引用視覺算法檢測豬只呼吸情況再進行自動化養殖，可以有效緩解養殖人員的壓力。一般來講，在研究豬呼吸行為時，可以從腹部和脊背周期性運動這一特點入手。

3.問題及研究方向

3.1現有識別分析方法的問題

國內外科研人員運用機器視覺進行豬行為識別技術，在實踐發展中獲取了優異成績，但最中國研究成果并沒有得到有效利用，主要原因在于：其一，目標提取算法。一方面，有效性。現階段，污垢、光照與陰影多變化等依舊是行為識別需要關注的重點，常見解決方法會在算法中提高分割次數，或引入參數變量，這樣勢必會增加算法的復雜性;另一方面，適用性。目前生豬目標提取更適宜與背景色存在較大差異的豬體，這對紋理不同且與背景色類似的豬體而言并不適宜。其二，個體識別算法。一方面，可靠性。在人工識別中，檢測人員會在自主涂刷后進行算法研究，但因為標記容易消失，所以實際應用性并不高;另一方面，適用性。人工標記不符合大型養殖場需求，不僅標記步驟過于繁瑣，而且精確性要求極高，因此在實踐操作中很容易消耗大量資源。在新時代背景下，如何結合自身特點識別個體是現階段養殖業關注的焦點。其三，行為識別算法。一方面，有效性。跟蹤持續時間作為研究跟蹤算法是否有效的主要影響因素，現階段提出的算法難以在長期跟蹤中達到預期目標，因此急需加大對重疊處理、目標黏連等問題的研究;另一方面，準確性。目前有關豬行為的識別判斷依舊沒有達到實際需求，若是換豬舍很容易在段時間內導致算法失效。由此可知，現有行為識別算法依舊處于初期階段。

3.2方向

通過上文研究分析可知，隨著我國養殖業的飛速發展，面對越來越高的檢測要求，養殖人員要從以下幾方面入手進行深層研究：其一，優化視覺系統。通過構建多傳感器視覺系統，可以解決以往數據類型單一等問題，促使機器視覺下的豬識別技術更加有效。同時，也要結合多種圖像配準算法，這樣有助于在整合多源圖像的基礎上，更加準確檢測豬行為。其二，改善算法。通過提出多視角進行識別工作，有助于提高個體識別效率。由于三維多視角識別屬于現階段視覺領域極具挑戰性的問題之一，所以科研人員要在不斷創新中解決相關問題。同時，還要針對特殊時期提出行為識別，以此滿足養殖人員健康需求。其三，創新行業。因為機器識別豬行為具有成本低、回報高及不用接觸等優勢，所以在發展畜牧業自動化背景下，有關技術理念得到了行業的支持與認可。若是可以在行業中普及利用，并構建豬視頻標準集具有深遠意義。

結束語

綜上所述，為了將豬行為自動分類研究成果運用到實踐發展中，要求各國在大力推廣光機器視覺及相關技術理念的同時，轉變養殖人員檢測意識，注重針對具體問題，提出有效的處理措施。這樣不僅能提高養豬業發展水平，而且可以保障分類結果的精準性，以此為找到更為優質的養殖模式提供有效依據。

參考文獻

[1]何永康，侯躍謙.基于多種平面度測量方法機器視覺的優勢[J].內燃機與配件，2019（21）：211-212.

[2]劉俊.機器視覺下多技術融合的精細農業探索[J].電子質量，2018（04）：11-14.