非接触式奶牛体况自动评分关键技术研究

• 作 者: 孙佳
• 机 构: 东北农业大学
• 出 处: 东北农业大学
• 发表日期: 2021年01期
• 关键词: 计算机视觉

在我国畜牧养殖业中，奶牛个体信息精准监测是实际生产中的迫切需求。奶牛体况评分(body condition score，BCS)是反映奶牛脂肪储备水平、营养状况以及繁殖性能的常用工具，也是满足动物福利以及实现奶牛精确饲养的有效手段。养殖场通过监测每头奶牛在不同时期的体况评分，及时优化管理策略，可有效减少奶牛代谢紊乱疾病以及繁殖障碍的发生，从而提高生产效率，增加效益。人工评分方法费时费力，效率低下，而且接触奶牛可能产生应激，影响动物福利。因此，非接触式的奶牛体况评分方法具有一定的研究价值。基于传统方法的奶牛体况评分大多是采用标注关键点的方法，该方法提取过程较为复杂，分析测试困难，凹陷程度指标欠佳，精度不能达到理想值。而基于深度学习算法的奶牛体况评估能够避免人工标注关键点，减少主观误差，因此，在当前的研究进展下，基于深度学习算法的奶牛体况评估的需求变得日益迫切。
　　针对目前体况评分方法效率低下、复杂度高、自动化水平低下等问题，本文基于深度学习算法和计算机视觉技术开展了非接触式奶牛体况自动评分关键技术研究。为实现精准奶牛体况自动评分，本研究使用深度相机采集了奶牛背部图像，首先，利用目标检测算法对奶牛背部目标定位，获取奶牛背部目标及位置信息，并将检测到的奶牛背部目标提取;其次，对提取的奶牛背部目标图像进行识别，确定奶牛身份;最后，构建奶牛体况自动评分模型以实现精准的奶牛体况评估，本文的主要工作内容如下:
　　(1)奶牛背部图像数据采集与处理。选用RealSenseD435深度相机采集奶牛背部可见光和深度图像，采集数据时，由2名专业的奶牛体况评分人员对每头奶牛的体况进行评估，并将评估的分值与耳标号一一对应记录并保存，为后续奶牛体况自动评分实验做准备。
　　(2)奶牛背部目标检测。奶牛背部目标检测是实现定位奶牛背部目标并提取奶牛背部目标作为待识别图像的关键工作。利用SSD目标检测模型对奶牛背部可见光图像进行检测，并提取奶牛背部目标图像作为奶牛个体身份识别的供试数据。
　　(3)奶牛个体身份识别。奶牛个体身份识别是实现精准奶牛体况自动评分的基础，目前，基于深度卷积神经网络的奶牛个体识别存在当奶牛场新增奶牛时，重复训练花费时间太长的问题。因此，本文提出一种基于深度特征提取与匹配方法的奶牛个体身份识别框架，基于该框架的奶牛个体识别可以避免重复训练。首先，将训练后的深度卷积神经网络模型作为特征提取器;其次，利用特征提取器来提取特征并将特征存储到模板特征库中以完成注册;最后，确定奶牛身份。当新的奶牛加入牛群时，可以较快地完成注册，从而完成奶牛个体身份识别。
　　(4)奶牛体况自动评分。利用卷积神经网络构建奶牛体况自动评分模型，结合两种图像融合策略对奶牛体况进行评估。首先，在第一种基于深度图像与RGB图像融合的策略下，将融合数据供试给卷积神经网络;其次，在第二种基于深度图像与灰度级分层图像融合的策略下，将融合数据供试给卷积神经网络。基于卷积神经网络结合两种融合策略以实现奶牛在0误差，0.25误差内以及0.5误差内的体况自动评分。
　　本文基于计算机视觉技术，结合深度学习算法实现了奶牛背部的目标检测与个体识别，在检测与识别工作的基础上，实现了非接触式的精准奶牛体况自动评分。为解决奶牛个体识别、奶牛体况自动评分在实际生产中的应用提供了指导思想，同时也为其他动物的个体识别以及体况自动评分需求提供了一定的思路。