基于机器视觉技术的猪只体重检测研究现状及展望*

罗世林 ，何秀文 ，孙云涛 ，彭兴鹏 ，郭龙飞 ，何云泉

（1.江西农业大学，江西 南昌 330045；2.江西省畜牧设施技术开发工程研究中心，江西 南昌 330045）

0 引言

动物体重数据是研究动物生长、饲喂、健康条件以及疾病发生的重要参考指标之一[1-2]，动物体重的增长情况也是检验动物营养与生长环境条件的重要参数与指标。动物养殖所带来的利润与收支平衡紧密相连，而这些都依赖于动物的重量与尺寸[3]。随着人们对肉类质量的要求越来越高，饲养者与研究人员都在努力用最少的投入增加经济收益[4]。最低投入的概念有两个含义，一方面是需要尽可能地控制在生产过程中的开销，另一方面是饲养者要将动物控制在一个符合标准生长曲线的合适的体重范围内[5]。猪体重的变化主要受猪的基因[6]、采食量、温度、竞争力[7]等的影响，如果在生长过程中对体尺差异大的猪只不加以管理，则不同猪只间存在体重差异也是正常且不可避免的[8]，饲养者最终会淘汰这些生长过程中较弱的猪只[9]。因此，实时检测体重数据并与标准体重进行对比，可以通过减少或增加个体猪饲料中的营养成分来避免产量的降低。随着人口的增长和人们对食品需求的不断增加，农业的发展变得越来越重要。而在农业生产中，畜牧业是重要的组成部分。多年以来，国家出台了一系列的惠农政策，随着政策的不断实施，畜牧业正展现出前所未有的快速发展趋势，生产方式正在加速转变，养殖过程正朝着规模化的方向发展，养殖标准也伴随着产业化的要求不断提高[10]。其中，猪养殖[11]是世界上最主要的畜牧业之一，而猪只体重的检测是猪养殖中的重要环节之一。猪只体重检测是指对整个猪群的体重进行检测和管理，传统的猪只体重检测方法不仅需要人力投入，费时费力，而且容易使猪产生应激反应，严重时还会造成猪的生产机能下降，甚至发病[12]。

尽管电子称重设备已逐渐运用于生产检测中，可以帮助提高人工效率并提升检测的准确度，但在给猪只称重的过程中，由于电子称重设备存在污秽积累，不仅会影响检测的准确性，而且还需要人工进行清洁处理，使用成本较高。如今，随着机器视觉技术的不断发展，其被广泛应用于猪只体重检测中。机器视觉技术可以通过图像处理与分析，实现对猪只体尺特征的提取和测量，从而推算出猪只的体重。接下来，本文将重点介绍基于机器视觉技术的猪只体重检测研究现状，并对其未来发展进行展望。

1 猪只体重检测的重要性及现有的检测方法

猪只体重是种猪培育及生猪养殖所关注的主要生长指标之一，也是评价种猪生长性状的关键指标。猪只体重的增长与市场需求和供应之间存在一定的关系，市场对于不同体重范围的猪只有不同的需求，通过合理控制猪只的体重，可以满足市场需求，提高产品的市场竞争力，增加销售额和利润。同时，生猪养殖业的发展对于农村地区的就业和经济增长具有重要意义。随着生猪养殖规模的扩大和技术的进步，养殖户需要更多的劳动力参与养殖工作，从而创造出更多的就业机会，推动农村经济发展。

1.1 猪只体重检测的重要性

1.1.1 健康管理

猪只的健康管理[13]工作是生猪饲养管理的关键，常与饲养控制、生态管理、食物安全等诸多因素密切相关。猪群的快速健康成长也是生长催肥阶段的工作重点，所以供应最佳日粮、加强饲养控制、改良猪舍条件、提高生猪免疫力、降低感染风险等工作必不可少。猪只体重检测是猪只健康管理的重要组成部分，通过监测猪只的体重变化，可以及时发现猪只的健康问题，如生长发育异常、营养不良等。及时采取相应的措施，可以预防和控制疾病的发生，提高猪只的生长效益和养殖效益。

1.1.2 饲养管理

生猪育肥时期的饲养十分重要，直接关系到养殖户的效益，养殖户要想增加效益，必须通过提高种猪的繁殖效率、饲养质量和瘦肉量才能达到，只有全面掌握生猪在各个生长阶段所需的营养物质，才能合理提高饲料质量，促进生猪快速生长，适应社会需求。这是因为在生猪育肥阶段，生猪骨骼、肌肉等组织快速生长，必须供给营养丰富的配合饲料来满足生猪快速生长的需求[14]。猪只体重检测可以帮助养殖户进行科学的饲养管理，通过监测猪只的体重变化，了解猪只的生长情况和饲料转化率，从而调整饲养策略，合理配制饲料，提高饲养效益。同时，体重检测还可以帮助养殖户确定适宜的出栏时间，避免过早或过晚出栏导致的经济损失。

1.1.3 繁殖管理

猪的繁殖性能[15]是决定猪场效益的关键要素之一。人们都希望获得更多数量且健康的仔猪，这就需要做好猪的繁殖方面的工作。猪只的繁殖管理是确保猪只繁殖健康、繁殖效益最大化的关键环节，提高猪的繁殖力，是发展生猪养殖的基础。猪只体重检测对于繁殖管理具有重要意义，通过监测母猪的体重变化，可以判断母猪的生理状态和繁殖能力，及时调整饲养和繁殖计划，增强繁殖效果。此外，体重检测还可以帮助确定合适的配种时间和配种对象，提高繁殖效率。

1.1.4 经济效益

为了将猪只的经济效益提高，可以选择品种较好的仔猪来育肥，结合有效的饲养技术和管理措施，同时给猪只提供优良的环境和饮水设施，使用科学的方法来育肥，为后续猪只的成功养殖以及获取最高的经济效益打下了良好的基础。猪只体重检测可以帮助养殖户实现精细化管理，提高养殖效益。通过合理的饲养管理和繁殖管理，可以提高猪只的生长速度和饲料转化率，降低饲料养殖成本，提高猪只出栏体重和销售价格，从而增加经济收益。

1.2 现有的猪只体重检测方法

现有的猪只体重检测方法主要包括：手动称重法、自动称重法、电子称重法、体尺测量法和机器视觉法等。

1.2.1 手动称重法

手动称重法是一种传统的方法，也是最常见的方法，是通过使用称重器或者称重台，将猪只放置在上面进行称重。这种方法操作简单，成本较低，准确度较高，需要人工将猪群逐一捉住，放入称重器中进行称重，适用于小规模养殖场或临时体重检测。但这种方法比较耗费人工和时间成本，容易造成猪只的应激反应。

1.2.2 自动称重法

自动称重法是一种利用电子称重设备实现自动化体重检测的方法。该方法通常使用称重传感器和数据采集系统，将猪只放置在称重台上，称重传感器会测量猪只的重量，并将数据传输到数据采集系统中进行处理和记录。该方法的自动化程度高，可以实现快速、准确的体重检测，不仅能够减少人工操作的误差，还能够减少对猪只的压力和干扰。自动称重法是一种较为先进的方法，可以通过安装传感器在猪舍中实现对猪的称重。但是，这种方法需要耗费大量的成本进行安装和维护，同时还需要保证称重台的平稳性和稳定性。

1.2.3 电子称重法

电子称重法是一种目前比较常见的方法，可以通过在地板上安装电子秤，实现对猪的称重。使用电子称重法进行体重检测的优点包括测量准确、操作简便、效率高，适用于大规模养殖场或需要频繁进行体重检测的场合。同时，电子称重设备通常具有数据存储和导出功能，方便数据管理和分析。然而，需要注意设备的准确性和稳定性，以确保测量结果的可靠性。

1.2.4 体尺测量法

体尺测量法是通过测量猪只的体尺参数，如胸围、体长等，然后根据已有的体尺与体重数据建立的模型进行估算。常用的公式有：1）方法一，猪体重（市斤）=胸围（cm）的平方×体长÷7 600。2）方法二，测量猪的胸围，然后减去一尺五寸，用剩余的每一寸乘以10得到的即为猪的近似体重（市斤）。方法二相对简单，但准确度较低，存在一定的误差。

1.2.5 机器视觉法

机器视觉法是利用机器视觉技术，通过拍摄猪只的图片，通过图像处理技术和算法分析提取图像特征，并结合已知的图像与体重数据建立模型，实现对猪只体重的自动测量。这种方法可以实现对大量猪只的体重数据进行自动化管理和分析，准确度较高，但需要相应的设备和算法支持。

2 基于机器视觉的猪只体重检测技术原理及现有的研究

2.1 技术原理

机器视觉是一种利用计算机和相关技术来模拟人类视觉系统和实现人类视觉系统能力的技术。它通过使用摄像机或其他图像传感器来获取图像数据，并利用图像处理、模式识别、机器学习等算法和方法对图像进行分析和理解，从而实现对图像中物体、场景和特征的感知、识别和理解[16]。机器视觉是一门涉及多个领域的交叉学科[17]，对其各部分的发展研究是促进视觉系统快速发展的关键。机器视觉技术在猪只体重检测方面有着广泛的应用。通过使用摄像头或其他图像采集设备获取猪只的图像，然后利用机器视觉算法对图像进行处理和分析，可以实现对猪只体重的非接触式、实时、精准的检测。机器视觉技术主要包括图像采集、图像预处理、特征提取、建立模型和目标检测与识别五个步骤。

2.2 现有研究

目前，基于机器视觉的猪只体重检测技术已经得到了广泛的研究。其中，研究者主要采用了两种方法：

第一种方法是基于体尺测量的机器视觉技术。体尺信息特别重要，通过体尺可以反映出很多信息，例如能够反映出猪只体型大小、体躯结构和发育情况等[18]，还能够间接地反映出组织器官发育情况，例如生产性能、对外界环境的适应能力等。Whittemore等[19]和White等[20]很早就通过机器视觉技术对活体猪的体尺进行了检测试验，利用可视化的图像分析（Visual Image Analysis, VIA）方法对猪只进行检测，以获得猪只的背部尺寸和形状信息。刘同海等[21]发明的基于机械视觉的猪体尺检查点获取方法，可用来获得猪只的体长、体宽，以及用体尺量算的九个体尺检查点的位置，实践证明，此方法对猪只体长的实测数值平均相对误差很小，而且平均值的相对误差也仅为0.92%；其次是腹部的体宽值，其平均相对误差为1.39%。李卓等[22]研发出基于双目视觉原理的猪体尺检测系统，将测试结果与手工测量结果进行了对比，发现平均相对误差只有2%左右，而且平均误差小于2 cm，可以实现对猪只体尺的无接触检测。司永胜等[23]提出了一种猪体理想姿态检测算法，调整猪体为水平方向，可识别头部和尾部的位置，判断头部位置是否歪斜，结果表明：该方法与最理想的状态之间偏差较小，因此准确性很高，体宽测量的平均准确性达到了95.5%，体高测量的平均准确性达到了96.3%，体长测量的平均准确性达到了97.3%，这三项检测数据的总体准确性都相当高。杜晓冬等[24]对国内外猪只的体尺测量、体重预估展开了研究分析，从计算机视觉和三维点云两种角度加以分析研究，结果表明：通过计算机视觉方法测定生猪的体尺、重量，能够克服以往检测中出现的猪只应激、人工效率不足等缺陷；同时，通过点云技术，可以直接获取猪的体尺参数，减少外部环境对拍摄造成的影响，提高检测精度。

基于体尺测量的机器视觉技术的优点是可以在猪不受干扰的情况下进行检测。但该方法还面临着若干问题，例如不能测量深度数据以获得猪体高等数据，二维图像中出现噪声影响以及背景干涉等，导致测量结果出现一定的偏差。同时，还要求具有精密的计算仪器和复杂的计算能力。

另一种方法是基于行为识别的机器视觉技术。杨秋妹等[25]提出了基于机器视觉的猪只饮水行为自动识别方法，使用传统的阈值分割方法，对猪只进行背景中的提取和饮水行为的识别，再通过深度学习的方法构造猪体头部的检测器，更加准确地判别饮水行为的发生，该方法在测试结果中的识别正确率达到了92.11%，可应用到实际的猪只生产过程中辅助管理决策。谭辉磊[26]提出了基于机器视觉的猪个体身份和饮水行为的识别方法，提取视频中具有独特性和稳定性的特征区域以及其他特征，再结合向量相似度计算方法，采用改进的Douglas-Peucker多边形近似法、匈牙利算法和身份识别算法，最后得到的猪只饮水行为的识别准确率为94.05%，较好地区分了饮水状态和非饮水状态。李丹等[27]针对目前猪只爬跨行为自动化检测程度较低的问题，提出了一种基于Mask R-CNN的猪只爬跨行为识别算法，能够有效检测猪只爬跨行为，算法的准确率为94.5%。2018年，康飞龙[28]利用机器视觉和机器学习技术对猪群状态与猪个体行为识别进行了智能化研究，实现了对猪站立和躺卧这两种静态状态的良好识别效果，为实现对猪休息状态的行为识别奠定了基础。李光昌等[29]借鉴OpenPose人体姿态估计算法，并对其进行改进，采用K-最近邻算法对猪只行为进行分类，有效地满足了生猪规模化养殖中猪只行为自动化监控的需求。

基于行为识别的机器视觉技术的优点是可以在猪自由活动的情况下进行检测。但是，该方法也存在一些问题，如需要准确的行为识别算法和行为数据等。

3 基于机器视觉技术的猪只体重检测的未来发展趋势及挑战

未来，基于机器视觉技术的猪只体重检测研究将面临许多挑战，主要包括以下几个方面：

其一，需要进一步提高机器视觉技术的准确性和稳定性。目前，机器视觉技术在处理猪只图像时，往往会受到光照、角度、遮挡等因素的影响，导致识别准确度降低。其二，需要拓展机器视觉技术的应用范围。目前，机器视觉技术主要应用于猪只体重检测，而在猪养殖中还有许多其他的应用场景，如猪的疾病检测、猪的行为识别等。其三，还需要解决数据隐私和信息安全等问题。在进行机器视觉研究时，需要收集大量的猪只图像数据，但是这些数据可能会涉及猪的隐私和商业机密等问题。

综上所述，基于机器视觉技术的猪只体重检测方法有着广阔的发展前景，但是也需要不断克服技术和应用方面的挑战。