史 怀 陈 峥 潘志针 福建省农业科学院农业生物资源研究所 福州 350003
动物的采食、饮水、排泄等行为是判断其健康状况的重要依据, 例如日采食量的减少多是由于感染疾病而引起,是疾病的早期征兆[1]。 目前国内大多养殖场都是采用对特定观察群体的人工观察方式监测猪的个体行为,费时费力,而且人工观察的数据存在一定的主观性偏差。自动化系统检测具有无人干预、独立可靠和连续性强等优点, 是规模化养殖的发展趋势[2]。 随着信息技术的发展,生产者可通过自动化系统, 监测动物早期的行为变化并对监测数据进行智能分析,判断动物是否出现健康问题并迅速反馈,以便管理人员及时采取相应的处理措施。
传统自动化检测系统中, 猪的个体识别主要采用耳标射频识别(简称RFID)技术,但该技术在一定程度上会干扰猪只的正常生活[3],并且当多个RFID应答器接近于接收器时, 低频RFID 无法准确识别出特定个体[4]。 随着近几年机器视觉、深度学习技术的发展, 基于机器视觉的非接触式方案技术可行性越来越高,可以取代人工,完成更高效的日常养殖管理。
对群养猪排泄行为的研究表明, 猪具有定点排泄(墙角或圈栏一角)的生活习性,平时较少在排泄区停留[5]。 因此,本项目引入机器视觉技术,通过改建试验用猪舍,设定进食区和排泄区,分别在两个区域的正上方安装摄像头进行俯拍持续视频监控每头猪个体的采食、排泄活动(见图1),构建个体身份和行为识别系统。……