机器视觉技术的推广与应用Issuing time:2023-10-06 11:43 机器视觉技术的推广与应用 通过对复杂背景下家禽图像的前景提取、测量点标识,结合数据挖掘的算法估测出家禽的体尺与体重,不仅可实现对家禽的无接触、无应激测量,还符合家禽的福利养殖要求。 家禽养殖业作为农业重要组成部分之一,其关系到我国的粮食安全,就业稳定、环保节能与国际贸易等涉及国家经济与政治各个方面。其中常见的家禽类如鸡、鸭和鹅是最为常见的家畜品种,其养殖数量庞大,养殖户分布区域较广,客户群体较多。如何保证家禽养殖过程中的健康问题,值得我们高度关注。其中体重参数不仅是评价家禽生长的重要参数,也是在家禽的生长、肉质评价和饲养管理等环节中最为关注的指标之一。对家禽不同日龄,不同生命周期进行良好的体重管控能够提高料肉比,提高均匀度,降低死淘,提高出栏率。针对黄羽肉鸡,体重与销售价格关系密切;针对白羽肉鸡,均匀度与终端客户反馈密切挂钩。 在传统的对家禽体尺和体重的测量方式中,一般是由人手工进行测定的,如图1。如对家禽的体高、胸深、十字部高是采用测仗进行测量,对家禽的体斜长、胸围等是采用软尺进行测量,对家禽的体重则是采取体重秤进行测量。由于养殖户的家禽数量庞大,对所有的家禽进行一次性体尺与体重的测量非常耗时耗力,并且准确度还不高。同时,一方面,由于一些人为的因素,会导致在测量过程中误差较大,另一方面,直接人为的将家禽捕获后进行测量会使家禽应激过大,影响其生长发育,会直接降低家禽养殖的生产效率。基于上述原因,养殖人员迫切需要一款无接触式的体重监测设备,在对目标物称重的同时,减少应激的发生。 图1-家禽的体尺和体重的测量 随着社会发展的智能化、数字化条件不断优化,物联网技术不断发展和完善,机器视觉技术的推广与应用为上述问题提供了一种解决方式。该技术具有非接触无应激、省力、快速等优点,满足规模化养殖的需求。相比较于传统的通过手工的方式获取家禽的体尺和体重参数,使用机器视觉的方法获取家禽的体尺参数并估测家禽的体重不失为一种新的方法。通过对复杂背景下家禽图像的前景提取、测量点标识,结合数据挖掘的算法估测出家禽的体尺与体重,不仅可实现对家禽的无接触、无应激测量,还符合家禽的福利养殖要求。其中目前已有的研究机构通过Mask R-CNN实例分割算法实现猪轮廓分割,获取猪图像特征信息,利用Stacking模型拟合猪图像特征与体重关系,实现猪体重估测,如图2。 图2-Mask R-CNN网络结构 由图2可知,Mask R-CNN模型主要由骨干网络(backbone)、RPN、ROI Align层、Head分支四部分组成。具体计算运行流程如下:原始图像由骨干网络完成目标特征提取,从而得到原始图像的特征图。接着,区域建议网络作用即为区域提取,通过滑动窗口将特征图分成多个区域,对这些区域进行分类与回归分析,最终选出精度较高的感兴趣(ROI)区域进入 ROI Align层进行特征处理。ROI Align层采用双线性插值法固定感兴趣区域的尺寸大小,提高像素分割精度,将分析结果导入Head分支。Head分支包含mask掩膜、类别以及边框回归,用于显示最后的图像分类结果、检测框的位置以及像素分割掩膜。由于图像中有三部分的输出,即该模型训练的主要误差来源主要由这三部分导致,后续模型训练应将各项误差缩到最小,从而得到合适模型。 上海夏数智能科技有限公司致力于机器视觉、大数据等人工智能技术在畜牧业、工业领域的研究与应用。 公司主要业务方向为家禽产业中的孵化、养殖、屠宰等全产业链场景提供智能解决方案,核心产品包括:家禽性别鉴别设备(雏鸡、雏鸭、翻肛、羽速鉴别等多款)、家禽图片估重系统、智能疫苗注射设备、养殖场巡检机器人、屠宰场智能管理系统等。我司利用机器视觉技术对家禽体重进行无接触估计的项目研发进度已经取得了良好进展,目前研发的家禽图像权重系统采用深度学习成像技术测量家禽体重,准确率高达98.5%,同时识别公母家禽,实现过程如图3。这种图像称重系统对肉鸡、肉鸭和火鸡都很有效,现在已经被亚洲头部养殖企业引进。该套家禽体重非接触式测量设备在全行业中属于独家首创,相信在不久的将来该设备会陆续投入市场应用。同时,智能装置除实时反馈体重数据之外,还会通过机器学习模型构建时间序列预测模型,对未来日龄体重进行预测,并给到相应调控建议。 图3-家禽的图像处理实例 |