人工智能技術(shù)在智能化管理中的應用研究

張琳

關(guān)鍵詞：人工智能；畜牧；管理；信息；算法

0 前言

習近平總書記高度重視農(nóng)業(yè)科技、農(nóng)業(yè)機械化以及農(nóng)民增收工作，強調(diào)“要把發(fā)展農(nóng)業(yè)科技放在更加突出的位置，大力推進農(nóng)業(yè)機械化、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)濟發(fā)展規(guī)劃》提出，大力推進產(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)型支撐服務生態(tài)。其中提出，要大力提升農(nóng)業(yè)數(shù)字化水平，推進“三農(nóng)”綜合信息服務，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、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可以介入這項勞動中，國內(nèi)外已經(jīng)有不少相關(guān)應用結(jié)合的實例，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入溜槽的牛，并通過打開與關(guān)閉入口門做出反應，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。

本文將重點研究人工智能技術(shù)在畜牧管理中的應用，包括如何用人工智能技術(shù)實現(xiàn)牧場數(shù)羊研究，實現(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)進行智能化管理和優(yōu)化，進一步推動養(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，需要匹配相應的計算機視覺技術(shù)和人工智能算法以及相應的設(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)羊當中？在項目開展的前期需要搜集相應的數(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，如深度學習中的目標檢測算法、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） 目標檢測算法：如：YOLO、[3]Faster R-CNN[4]等，目標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并進行驗證的方法，手工設(shè)計的特征一般為目標紋理、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與背景分離開來。當圖像比較復雜、包含多個目標時，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，從而更準確地計算出羊的數(shù)量。

3） 目標跟蹤算法：如卡爾曼濾波[9]、粒子濾波等[10]，目標跟蹤作為機器學習的一個重要分支，在第一幀中給定待跟蹤目標的情況下對目標進行特征提取并分析，在后續(xù)圖形中教導相似的特征區(qū)域，并在目標的下一幀位置進行預測。通過對羊群圖像或視頻數(shù)據(jù)中的羊進行跟蹤。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]、群體運動[14]模型等，對羊群的行為進行分析。1975 年，美國密歇根大學的約翰·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》（Adaptation in Natural and Artificial Systems） 。在該書中，作者詳細闡述了智能系統(tǒng)及其在自然界中的自適應變化機制，并提出了計算機程序的自適應變化機制理論，被認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確的預測，運用到屬羊中可以得到羊群的密度、速度等信息，實現(xiàn)更加動態(tài)的準確預測，從而得到羊群中羊的數(shù)量。

因此，使用目標檢測算法、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)移動的羊進行數(shù)量估計。那么哪種算法能夠達到更理想的效果？

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動模式，從而更準確地估計羊的數(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，羊在實際牧場中可能會相互遮擋或重疊，導致目標檢測算法、圖像分割算法和追蹤算法難以準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對羊群中羊的數(shù)量變化。在牧場實際運營與管理當中，羊的數(shù)量可能會隨著時間的推移，因為各種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)量變化進行動態(tài)跟蹤和分析，從而更準確地估計羊的數(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現(xiàn)數(shù)羊目標的步驟與方法

群體行為分析算法實現(xiàn)數(shù)羊目標的步驟與方法如圖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，并從當前幀圖像進行像素值減法運算，以得到前景目標，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。在進行前景目標提取時，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算效率高，平方差法對噪聲具有一定的魯棒性但運算復雜度較高。在進行背景減除后，需要將前景目標進行二值化[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，為后續(xù)的特征提取和目標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?shù)姆绞礁卤尘澳Ｐ鸵赃m應環(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)和運動，這一步非常的重要，關(guān)系到后續(xù)步驟的準確與否，在實際信息設(shè)計中往往因為這一步對于信息的粗糙提取，導致最終結(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位置。此外，還可以使用“光流算法”來提取羊的運動軌跡，從而更加準確地描述牧場中羊的運動狀態(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)督學習方法，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)計者仔細選擇簇的數(shù)量，并平衡分割精度與算法復雜度之間的關(guān)系，從而確保算法的準確性和魯棒性。

2.4 羊數(shù)預測

對于每個羊群，利用AI的算法可以根據(jù)其相應的特征來預測羊的數(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、幾何中心等特征進行關(guān)聯(lián)。具體地，訓練一個線性回歸模型[19]需要使用歷史數(shù)據(jù)集進行訓練，該模型可以用于預測新的羊群數(shù)量。預測結(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)算法在實際應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行調(diào)整和優(yōu)化。此外，算法的準確性和魯棒性也需要進行實驗驗證和評估，以保證算法的實用性和可靠性。

2.5 羊數(shù)更新

現(xiàn)實環(huán)境中隨著時間的推移和羊群的運動，羊的數(shù)量和位置會不斷發(fā)生變化，導致之前的預測結(jié)果出現(xiàn)誤差，無法準確反映當前的羊數(shù)量。為了減少預測誤差和更新羊的數(shù)量，需要定期重新進行羊群分割、特征提取、羊群聚合和羊數(shù)預測。為了解決這個問題，滑動窗口方法（滑動窗口是目標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行不同窗口大小的遍歷，并對每個窗口執(zhí)行分類器進行分類，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） ，并進行一次更新。在每個時間窗口內(nèi)，會重新進行群體分割、特征提取、羊群聚合和羊數(shù)預測，得到當前時間窗口內(nèi)的羊數(shù)量。當窗口滑動至下一個時間間隔時，會將當前時間窗口內(nèi)的羊數(shù)量和上一個時間窗口的預測結(jié)果進行融合，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)羊的應用場景以外，諸如：判斷候鳥保護區(qū)中鳥群的數(shù)量等也可以應用到該種算法。

通過運用AI，農(nóng)業(yè)管理者可以精準地、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)智能化進程中的設(shè)計師們可以進一步探索人工智能算法在牧場管理領(lǐng)域的應用，例如：基于圖像識別技術(shù)的牛、雞、豬等家畜數(shù)量進行評估，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用前景，它將進一步推動我國農(nóng)業(yè)生產(chǎn)的精準化、智能化與現(xiàn)代化發(fā)展。