肉鸡精准养殖个体信息监测技术

江苏省农业机械技术推广站 江苏溧阳市农机推广服务站

□ 袁虹 陆海莉 □ 范 静

近年来，中国的鸡肉消费量持续保持快速增长，鸡肉是仅次于猪肉的中国第二大肉类消费品，肉鸡具有饲养周期短、料肉比低、资金回流快等优点，深受广大养户喜爱。2020年，中国鸡肉总产量为1485万吨，产业产值将近3500亿元，占禽肉产量的18%，相比于2019年增产了5%，远超牛羊肉1164万吨的总产量，中国成为全球肉鸡生产增长数量和增长率最大的国家。随着我国肉鸡养殖产业的不断完善发展，其规模化、集约化程度已经处于畜禽养殖领域的最高水平，对全国肉类总产量的贡献度稳定在15%左右。肉鸡产业与国民经济和居民生活密切相关，在我国肉类消费结构中占据着重要地位。

肉鸡在规模化养殖过程中，会因为自身或者外界因素导致各种健康问题，严重影响到肉鸡生产质量和经济收益。商品肉鸡在数量多、密度大的养殖模式下，活动范围受到限制，由于缺乏活动量，肉鸡体质和抗病力逐渐下降，一旦出现疫情很容易致使集体患病，以至于养殖场的经济效益受到严重冲击。

近年来，以数字化、智能化为核心的信息技术快速发展，且广泛的应用于畜禽养殖业，极大地提高了人们对动物表征数据的获取能力，促进畜禽养殖业朝着智能化方向发展。利用视频图像处理、三维成像、红外热成像等现代信息技术对肉鸡个体信息监测具有重要意义。

一、基于图像处理技术的肉鸡体重监测研究现状

畜禽体重与其健康状况密切相关，是评估福利化养殖水平的重要特征之一，由于人工不易获取畜禽体重信息，因此，很多国内外学者基于图像处理技术估测畜禽体重，通过该技术，可以及时发现在畜禽养殖过程中体重出现异常的个体，提高了鸡场智能化、精细化管理水平，对于实现畜禽现代化具有重要意义。

1.国外研究现状

2003 年，De Wet等 通 过RGB 摄像头每天录制18 次肉鸡俯视视频，将视频截取成图像，使用传统的图像处理方法获取肉鸡表面积和周长两种特征参数，基于特征参数得到肉鸡尺寸与肉鸡真实体重之间的关系，实验结果表明，肉鸡体重估测模型的平均误差在11%以内。2010 年，Mollah等使用RGB 摄像头获取1200 张肉鸡图像，通过IDRISI 32提取肉鸡的表面积，并建立肉鸡体重估测模型，结果表明，该模型的拟合度为4%-16.47%。2017 年，Amraei等使用传统的图像处理方法对获取的肉鸡图像进行预处理，通过椭圆拟合算法去除肉鸡头部和尾部对肉鸡特征提取的影响，根据拟合椭圆提取投影面积、投影周长等肉鸡体重相关特征，对比分析肉鸡体重在贝叶斯算法、Levenberg—Marquardt、比例共轭梯度和梯度下降模型上的估测结果，结果表明，在贝叶斯模型上，大多数肉鸡的绝对误差小于50g，拟合度高于93%。

由于肉鸡体积较小，且羽毛的颜色与其生活环境的差异不太明显，RGB 摄像头获取肉鸡图像时容易受到环境的干扰。因此，国外部分学者通过三维摄像头获取肉鸡图像。2016 年，Mortensen等使用全自动三维摄像头获取肉鸡三维图像并研发肉鸡体重估测系统，三维摄像头对于变化的外界环境有一定的抗干扰能力，根据分割的肉鸡区域提取13 种特征信息，最终确定贝叶斯模型为肉鸡体重估测模型，结果表明，肉鸡体重估测值和真实值之间的平均误差在7.8%以内，通过三维摄像头可以较为准确的估测复杂环境下的肉鸡体重。

2. 国内研究现状

基于图像处理技术估测畜禽体重在我国的研究较国外晚，但随着智能化和自动化养殖模式的发展，这种技术将在国内畜禽养殖业得到广泛的研究与应用。

2017年，有人提出了一种基于深度图像的肉鸡体重估测模型，使用三维摄像头获取肉鸡图像，通过传统的图像处理方法（数值积分法）提取和黄羽肉鸡体重相关的一维、二维和三维特征，将提取的征参数作为BP 模型的输入，最终实现肉鸡体重估测。

综上所述，由于肉鸡体积较小、姿态多变，使用传统的图像获取、处理方法不易对复杂养殖环境下肉鸡群体体重进行估测，基于深度学习技术在肉鸡个体信息监测方面的研究在国内外仍处于起步阶段，鲜有研究文献发表。

二、基于红外热成像技术肉鸡健康诊断研究现状

随着养殖产业规模化、集约化的不断发展，依靠人力检查畜禽疾病状况的方法已经不能满足现代化养殖场的需求，为实现畜禽精准化养殖，需要对畜禽养殖过程中的饲养环境、生理特征等健康信息进行有效监测，通过研发自动监测识别系统可实现畜禽健康早期诊断。红外热成像设备具有非侵入式、灵敏度高、抗干扰能力强等优点，可避免引起畜禽个体的应激反应。目前，红外热成像已广泛应用于大型牲畜的生理信息监测，在家禽病理个体诊断方面也有较多的研究。

1.国外研究现状

国外科研人员通过红外热成像仪获取动物体表的热模式和温度，并探究不同温度变化与健康评分之间的关联性，以此来进行畜禽疾病早期诊断。巴西学者Nascimento等将红外热成像应用于小型家禽养殖，研究中利用热成像仪测量肉鸡饲养环境热舒适性，通过对比两个不同通风系统的鸡舍饲养的热状况，得出肉鸡的体表温度与饲养设施（侧帘、屋顶和窝）的表面温度有关。

为进一步探究环境因素对于小型家禽体表温度变化的影响，2015年，巴西学者Araújo等利用红外热成像仪对LED光源与日光灯下肉鸡的表面温度和行为进行了监测，将行为反应分为正常和异常，并测试了它们与光源的相互作用，结果表明不同光源下肉鸡体表温度差异较大。2017年，意大利学者Andrade等为探索环境温度与鸡只表面温度的相关性，采用红外热成像仪获取鸡只头部和小腿部位的温度，研究发现，红外热成像能够有效地测量不同环境下肉鸡表面温度分布情况。但是，这类研究仅仅是探究了不同环境条件下，肉鸡体表温度的变化规律，并没有进行温度模型的建立和预测分析，2019年，美国学者Victor等设计了一种基于红外热成像的个体肉鸡体温估计方法，采用lasso 回归预测模型对红外热图像进行处理，将预测的体温与温度计测量的实际温度进行比较，最终模型的预测精度为±0.27℃。

通过红外热成像不仅能分析环境因素和肉鸡表面温度之间的关联性，还能进一步探究肉鸡的疾病状况，包括足炎、羽毛损伤、死亡等健康评估与诊断。2016年，墨西哥学者Flavia等为研究一种利用鸡足垫表面温度来确定足皮炎早期皮损的适宜性，采用红外热成像仪测量30只鸡脚的表面温度，研究结果表明锯末垃圾会加重足皮炎皮损程度，红外热成像可用于识别肉鸡足部炎症反应。同年，斯洛伐克学者Pichová等为评估肉鸡的羽毛损伤情况，采用红外热成像获取体表温度与环境温度的差值和无羽毛区域的比例这两个变量，并用GLM 模型分析数据，研究结果表明红外热成像仪是评价家禽羽毛覆盖物质量的一种有效工具，且不受主观成分的影响，具有更高的精确度。2018 年，印度学者Veera等提出了一种在热图像中提取活体肉鸡像素和在可见光图像中提取所有（活体和死体）肉鸡像素的算法，该算法通过图像处理技术可检测出死鸡的像素，并上报死鸡坐标位置，在常规密度和低密度条件下死鸡识别准确率分别为90.7%和95.0%。

2.国内研究现状

相比于国外，我国红外热成像技术发展起步较晚，为实现智慧农业和畜禽福利养殖，国内诸多学者积极开展研究工作，尤其是在大型牲畜体表温度测量与健康诊断方面有着较多应用。对于鸡这种小型家禽，红外热成像多用于测量分析其头、腿两个部位的表面温度，以此评估鸡只健康状况。2017年，刘修林等利用红外热成像仪测量并对比了病理与健康鸡只个体的体表（头、腿）温度，研究分析得出环境温度在18—26℃时，病理与健康鸡只个体头部平均温度变化范围分别为ΔT=0.7℃和ΔT=2.5℃，腿部温度变化差异较大，病理个体腿部温度最大温差达到6.9℃，健康鸡只仅2.0±0.1℃，该研究可用于检测鸡只个体是否出现病理反应，对于实现鸡的福利养殖和健康管理有较高的借鉴意义。2019年，陆鹏宇[25]等综合考虑了环境温湿度、光照强度等环境因子对于肉鸡体表温度的影响，通过训练YOLOv3模型检测肉鸡热窗区域，以精确提取头、腿两个部位的温度，经过多元线性回归分析和建立BP 神经网络模型，发现后者反演翅下温度具有更高的准确性，相对误差的平均值为0.29%，该研究为实现复杂环境下肉鸡体温的精确测量提供了技术支撑。2019年，熊兴国等认为肉鸡头部温度可作为其健康评价的指标，提出了一种从俯拍的红外热图像中自动获取肉鸡头部表面温度的算法，该算法采用自适应K均值聚类和椭圆拟合对肉鸡头部区域进行定位，头部识别准确率为92.77%，提取温度最大误差不超过0.1℃，为实现热病肉鸡自动识别系统的开发奠定了基础。

总的来看，国内外在畜禽生理信息检测、健康评估方面广泛应用红外热成像开展研究工作，由简单的表面温度测量深入到模型研究，并应用于病理个体诊断，为实现智能化养殖提供技术支撑。红外热成像作为一种灵敏度高、非接触式测温方法，可有效避免传统的接触式测温计会导致应激反应的问题，对于提升动物福利养殖水平有重要意义。

三、结论与展望

1.为了进一步提高肉鸡舍智能化生产与管理水平，减少肉鸡应激反应和饲养人员的劳动强度，采用机器视觉、机器学习等现代信息技术实时获取肉鸡的体重、行为等信息，有效监测肉鸡个体信息和控制鸡舍内环境参数，及时处理和分析大规模数据，应对高并发场景时更加可靠和高效的大数据平台研究具有重要意义和发展前景。

2.红外热成像技术在国内畜禽养殖领域中的应用越来越多元化、精细化、自动化，尤其是在畜禽的体表温度测量、健康评估方面，由试验探索深入到系统研发，正逐步追赶国外的研究步伐，但是国内基于红外热成像的肉鸡腿病检测、死鸡识别等方面研究鲜有报道。未来采用非接触式红外热成像摄像机，以实现肉鸡腿部异常检测、死鸡识别等目标，通过集成研发肉鸡健康异常自动识别与预警系统，为管理人员提供一种高效管理、健康养殖的技术方案。