智能化技术助力动物福利与减抗发展
动物福利与减抗项目旨在不影响动物生产能力的前提下，通过提升动物健康和福利，减少抗生素的使用和残留，解决抗生素耐药性问题，并促进中欧先进技术的交流与融合。本项目共设置6个课题，课题3为基于动物个体的早期诊断技术研究。该课题由南京农业大学负责。
近年来我国在畜禽养殖领域取得了长足发展，目前养殖业的“无抗化”已是大势所趋。然而，在养殖规模和效率不断提高的现代化集约化养殖场中，“无抗化”养殖之路任重道远。利用智能化技术结合自动化设备，进行畜禽养殖精准信息感知和疾病预警，可以实现动物个体疾病的早期诊疗和精准用药，切实推进集约化养殖场中动物福利的改善及抗生素的减量使用。
本课题旨在研制智能化畜禽养殖远程监测预警与管理技术，以猪和肉鸡为研究对象，研制一套行为自动分析、体温自动监测及体重自动估算的智能化监测系统；开发基于行为、生理指标的猪、肉鸡呼吸道疾病、肠道疾病及腿部疾病的识别与预警系统，实现疾病的早期诊断及精准治疗用药，从而有效控制抗生素等药物的用量。
南京农业大学团队、新希望六和集团以及大北农集团紧密协作，共同研讨技术问题，不断调整研究思路与技术路线，并在养殖一线测试验证所研发的系统和设备，依据实际情况持续优化，最终取得了一批具有前沿性、实用性的科研成果。
本课题基于Kestin肉鸡行走评估标准，使用深度学习和机器视觉技术实现肉鸡个体检测、肉鸡行走动态参数计算等，提出了GS0~GS4五个级别的肉鸡腿部健康状态的评分标准，并最终实现肉鸡步态评分，为肉鸡腿部疾病的监测与预警奠定了技术基础。目前模型识别的结果总体可以达到90%的准确率，呈现极端步态识别率高，其他级别识别率稍低的特征。目前该研究成果水平在国内领先，填补了肉鸡腿病识别分类研究领域的空白。
图2 基于机器视觉的肉鸡步态评估
肉鸡的采食量变化是其健康和生长状况的直观反映，准确获取肉鸡采食量信息，对提高肉鸡养殖效益与实现福利养殖具有重要意义。本课题研发了基于肉鸡啄食音频实现肉鸡采食量估算的技术。该技术利用拾音设备，实时监测肉鸡啄食音频，通过提取啄食音频的功率谱密度特征，利用机器学习技术实现声音分类，最终获得肉鸡采食的啄食次数，分析确定啄食次数与采食量的关系，结果表明肉鸡啄食次数与采食量两者相关性为98.25%。
图3 基于音频技术的肉鸡采食量估算
3.基于热红外图像的白羽肉鸡体温检测方法
体温是肉鸡健康状况的重要指标，快速准确地获取肉鸡体温是本课题的关键目标之一。利用热红外网络热像仪结合深度学习、机器学习技术，综合环境温度、湿度、光照强度等参数，实现肉鸡翅下温度多因素反演模型的建立，该模型测试准确率达95%以上，且具有很强的泛化性、鲁棒性。
图4 基于热红外图像的白羽肉鸡体温检测
肉鸡饲养中，呼吸道疾病是肉鸡健康的一大挑战。咳嗽是肉鸡呼吸道发病初期的主要症状，目前肉鸡养殖中，主要依靠饲养员夜里观察以判断肉鸡是否感染呼吸道疾病，劳动力成本高且实时性差，为实现肉鸡呼吸道疾病非接触式监测，本课题研发了肉鸡咳嗽声检测系统，实现了肉鸡咳嗽的自动监测。该系统利用网络拾音设备，实时监测养殖舍内声音，经过降噪、特征提取等处理，并利用机器学习训练得到识别模型，最终该系统实现肉鸡咳嗽最优识别率98.7%。
.
a.音频采集示意图 b.咳嗽声功率谱特征
图5 基于音频技术的肉鸡咳嗽声识别
5.基于深度图像的肉鸡体重估测模型
肉鸡体重直接反应肉鸡个体的健康状况和营养水平，目前肉鸡体重检测完全依赖于人工称重，无法做到群体普检。本课题通过优化鸡群图像分割算法和特征提取算法，充分利用肉鸡群的深度图像建立肉鸡群体重估测模型，并且改变了肉鸡在不同姿态和不同位置下不能合理估测其体重的现状，为及时调整和改变饲养方式提供了有效依据。目前该模型的最大相对误差不超过0.25%，估测的平均误差为0.16%。
.
a.基于深度图像的肉鸡体重估测数据采集 b.目标区域拟合
图6 基于深度图像的肉鸡体重估测模型
本课题研制的猪只自动饲喂站，采集猪只个体相关信息包括个体身份、采食量、饮水量、体重、图像、音频等信息，为精准饲喂、福利养殖的研究提供重要的参考数据。猪自动饲喂站可实现以下功能：
（1）基于RFID的猪个体识别；
（2）采集猪体重数据；
（3）采集猪只采食量和饮水量信息；
（4）采集猪只深度图像信息；
（5）饲利用红外热像仪采集猪只体温信息. 
图7 新型猪自动饲喂站硬件集成
猪的体温是其健康状况的直接表现，当猪患病时，通常会出现体温异常，因此实现无接触、无应激的猪只体温检测，对实现猪只健康状况的监测具有重要意义。本课题利用红外热像仪，结合深度学习、机器视觉等技术，检测猪耳根区域温度，实现猪只肛肠体温反演，目前该模型准确率达95%以上。 
. 
图8 基于热红外图像的猪只体温检测方法
在规模化、集约化的生猪养殖模式中，猪只呼吸系统疾病已成为猪只饲养过程中最常见、危害最严重的疾病之一，咳嗽声是猪只呼吸系统疾病的主要症状，通过检测猪只咳嗽声，可以实现对猪只呼吸系统疾病的早期预警。本课题研发了一套猪只呼吸系统疾病的检测系统，通过音频采集节点获取猪只夜间咳嗽音频，通过对音频数据的预处理，降低噪声干扰，提取咳嗽声的特征参数，分类识别猪只咳嗽声，并建立咳嗽声与猪只呼吸系统疾病之间的关系模型，模型准确率达94.84%。该研究有利于猪只呼吸系统疾病的早期预警，实现呼吸系统疾病的早期诊疗，降低抗生素的使用。
图9 基于声学分析的猪只呼吸系统疾病检测
断奶保育期是猪只最容易感染消化道疾病的时期，且该时期的消化道疾病将直接影响其整个生长周期的健康水平。腹泻是消化道疾病的一个主要表现形式，若在仔猪腹泻初期及时发现并诊治，能极大地减少患病个体，降低抗生素用量。本课题研发了一套基于机器视觉和深度学习技术的猪只消化道疾病监测系统，利用视频监测设备，实时监测猪舍内猪只姿态和排泄物，将姿态分为显著排泄姿态、非显著排泄姿态（疑似公猪排尿姿态）和未排泄姿态3类，将排泄物分为正常和腹泻两类，结合姿态和排泄物，实现猪只消化道疾病的监测，该系统准确率达到了97.92%。
图10 断奶仔猪消化道疾病相关研究
本课题针对养猪场现有问题,解决生猪生长过程中实时无接触自动估测猪只体重的难题，用于指导生产。对估测过程中动态获取猪只标准姿态图像,实时检测猪只体尺，建立猪只体重估测算法等关键技术进行探索,提出新的猪只体重估测模型，优化基于深度图像的猪体轮廓提取算法，开发图像自动筛选算法，研发适用于小圈群养的猪体重无接触自动估测系统。该系统估测体重准确率高达98%，模型具有较高的估测精度。
图11 猪体重估测
以上成果是实现畜禽养殖智能化管理的必须技术储备，这些智能化技术的进一步研发与应用，将推动养殖的精准化发展，为实现畜禽疾病的监测与预警、早期诊疗与精准用药创造技术支撑，切实从技术层面促进畜禽养殖福利水平的提高。通过基于动物个体的早期诊断技术研究，可实现畜禽养殖业的优化升级，全面提升畜禽养殖业的自动化、智能化程度，进而减少人工成本，降低养殖死淘率，增加资源利用率，全面提升养殖的经济效益。
本课题在团队前期研究的基础上，猪方面，完成了猪只生长与健康信息自动采集分析系统的构建，实现了猪个体身份识别，采食量、饮水量监测，咳嗽监测，体重、体温、体尺等生理数据的无接触无应激检测，开发了猪只腹泻监测系统等成果。鸡方面，实现了鸡个体身份识别，饮水量、采食量监测，步态评级（腿病检测），体重估测等研究成果。这些成果对规模化养殖企业具有广泛的适应性，在不过多改动现有的养殖设施、设备基础上，即可实现智能化管控的转型升级。目前本课题所取得的成果，主要集中在猪、肉鸡的个体生理、行为信息的精准感知，对疾病的监测与预警研究是建立在已有的人工检测经验上，利用多角度获取的多维度信息，其对应养殖对象的内在机理及与疾病之间的充要关系，有待进一步研究。通过进一步探究畜禽的表征信息与健康、疾病的关系，将实现更准确全面的疾病预警与早期诊疗，这也是未来智能化技术在动物福利养殖和减少抗生素使用方面的研究方向。