基于红外热图像的肉鸡腿部异常检测方法

㊀南京农业大学学报㊀２０２１ꎬ４４(２):３８４－３９３ｈｔｔｐ://ｎａｕｘｂ.ｎｊａｕ.ｅｄｕ.ｃｎ㊀ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙＤＯＩ:１０.７６８５/ｊｎａｕ.２０２００６０３６收稿日期:２０２０－０６－２４

基金项目:国家重点研发计划项目(２０１７ＹＦＤ０７０１６０２)

作者简介:许志强ꎬ硕士研究生ꎮ∗通信作者:沈明霞ꎬ教授ꎬ博导ꎬ主要从事机器视觉与信息农业研究ꎬＥ￣ｍａｉｌ:ｍｉｎｇｘｉａ＠ｎｊａｕ.ｅｄｕ.ｃｎꎮ

许志强ꎬ沈明霞ꎬ刘龙申ꎬ等.基于红外热图像的肉鸡腿部异常检测方法[Ｊ].南京农业大学学报ꎬ２０２１ꎬ４４(２):３８４－３９３.

ＸＵＺｈｉｑｉａｎｇꎬＳＨＥＮＭｉｎｇｘｉａꎬＬＩＵＬｏｎｇｓｈｅｎꎬｅｔａｌ.Ａｂｎｏｒｍａｌｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｏｆｂｒｏｉｌｅｒｌｅｇｂａｓｅｄｏｎｉｎｆｒａｒｅｄｔｈｅｒｍａｌｉｍａｇｅ[Ｊ].ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙꎬ２０２１ꎬ４４(２):３８４－３９３.

基于红外热图像的肉鸡腿部异常检测方法

许志强１ꎬ沈明霞１∗ꎬ刘龙申１ꎬ孙玉文１ꎬ郑荷花２ꎬ张伟１

(１.南京农业大学工学院/江苏省智能化农业装备重点实验室ꎬ江苏南京２１００３１ꎻ２.新希望六合股份有限公司ꎬ山东青岛２６６１００)

摘要:[目的]为解决目前规模化养殖下肉鸡腿病多发㊁人工检查成本高等问题ꎬ提出一种基于红外热图像的肉鸡腿部异常自动检测方法ꎮ[方法]根据肉鸡步态评分标准ꎬ将肉鸡跛行划分为正常㊁轻微异常㊁中度异常㊁严重异常４个评级ꎻ通过ＹＯＬＯｖ３神经网络模型获取肉鸡腿部区域的温度数据ꎬ并结合ＯｐｅｎＣＶ图像处理方法提取肉鸡身体质心高度㊁身体前倾角度㊁身体偏转角度等姿态特征ꎻ选用随机森林分类模型进行多特征融合训练ꎬ并选取了５种不同分类器进行对比ꎮ[结果]随机森林分类模型在准确率㊁查准率㊁召回率㊁Ｆ１得分等指标上均占优势ꎬ分别为９６.１６％㊁９６.９５％㊁９５.５０％和０.９６５ꎮ[结论]该方法可用于肉鸡腿部异常检测ꎬ可以有效降低人力成本ꎬ为实现白羽肉种鸡疾病早期预防和福利养殖提供技术支撑ꎮ

关键词:肉鸡腿病ꎻ红外热图像ꎻＹＯＬＯｖ３ꎻ相关性分析ꎻ随机森林ꎻＲＯＣ曲线

中图分类号:Ｓ１２６㊀㊀㊀㊀文献标志码:Ａ㊀㊀㊀㊀文章编号:１０００－２０３０(２０２１)０２－０３８４－１０Ａｂｎｏｒｍａｌｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｏｆｂｒｏｉｌｅｒｌｅｇｂａｓｅｄｏｎｉｎｆｒａｒｅｄｔｈｅｒｍａｌｉｍａｇｅ

ＸＵＺｈｉｑｉａｎｇ１ꎬＳＨＥＮＭｉｎｇｘｉａ１∗ꎬＬＩＵＬｏｎｇｓｈｅｎ１ꎬＳＵＮＹｕｗｅｎ１ꎬＺＨＥＮＧＨｅｈｕａ２ꎬＺＨＡＮＧＷｅｉ１

(１.ＣｏｌｌｅｇｅｏｆＥｎｇｉｎｅｅｒｉｎｇ/ＪｉａｎｇｓｕＫｅｙＬａｂｏｒａｔｏｒｙｏｆＩｎｔｅｌｌｉｇｅｎｔＡｇｒｉｃｕｌｔｕｒａｌＥｑｕｉｐｍｅｎｔꎬＮａｎｊｉｎｇＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙꎬＮａｎｊｉｎｇ２１００３１ꎬＣｈｉｎａꎻ２.ＮｅｗＨｏｐｅＬｉｕｈｅＣｏ.ꎬＬｔｄ.ꎬＱｉｎｇｄａｏ２６６１００ꎬＣｈｉｎａ)

Ａｂｓｔｒａｃｔ:[Ｏｂｊｅｃｔｉｖｅｓ]Ｉｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｓｏｆｆｒｅｑｕｅｎｔｏｃｃｕｒｒｅｎｃｅｏｆｌｅｇｄｉｓｅａｓｅａｎｄｈｉｇｈｃｏｓｔｏｆｍａｎｕａｌｉｎｓｐｅｃｔｉｏｎｉｎｌａｒｇｅ￣ｓｃａｌｅｂｒｅｅｄｉｎｇꎬａｎａｕｔｏｍａｔｉｃｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｏｆａｂｎｏｒｍａｌｌｅｇｏｆｂｒｏｉｌｅｒｂａｓｅｄｏｎｉｎｆｒａｒｅｄｔｈｅｒｍａｌｉｍａｇｅｗａｓｐｒｏｐｏｓｅｄ.[Ｍｅｔｈｏｄｓ]Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｇａｉｔｓｃｏｒｉｎｇｓｔａｎｄａｒｄꎬｔｈｅｃｌａｕｄｉｃａｔｉｏｎｏｆｂｒｏｉｌｅｒｓｗａｓｄｉｖｉｄｅｄｉｎｔｏｆｏｕｒｇｒａｄｅｓ:ｎｏｒｍａｌꎬｓｌｉｇｈｔｌｙａｂｎｏｒｍａｌꎬｍｏｄｅｒａｔｅｌｙａｂｎｏｒｍａｌａｎｄｓｅｖｅｒｅｌｙａｂｎｏｒｍａｌ.ＴｈｅｔｅｍｐｅｒａｔｕｒｅｄａｔａｏｆｂｒｏｉｌｅｒｌｅｇｓｗｅｒｅｏｂｔａｉｎｅｄｂｙＹＯＬＯｖ３ｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌꎬａｎｄｔｈｅｐｏｓｔｕｒｅｆｅａｔｕｒｅｓｓｕｃｈａｓｂｏｄｙｃｅｎｔｅｒｏｆｇｒａｖｉｔｙｈｅｉｇｈｔꎬｂｏｄｙｔｉｌｔａｎｇｌｅａｎｄｂｏｄｙｄｅｆｌｅｃｔｉｏｎａｎｇｌｅｗｅｒｅｅｘｔｒａｃｔｅｄｂｙＯｐｅｎＣＶｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｍｅｔｈｏｄꎬａｎｄｒａｎｄｏｍｆｏｒｅｓｔｃｌａｓｓｉｆｉｃａｔｉｏｎｍｏｄｅｌｗａｓｓｅｌｅｃｔｅｄｆｏｒｍｕｌｔｉ￣ｆｅａｔｕｒｅｆｕｓｉｏｎｔｒａｉｎｉｎｇ.Ａｎｄｆｉｖｅｄｉｆｆｅｒｅｎｔｃｌａｓｓｉｆｉｅｒｓｗｅｒｅｓｅｌｅｃｔｅｄｆｏｒｃｏｍｐａｒｉｓｏｎ.[Ｒｅｓｕｌｔｓ]ＴｈｅｒａｎｄｏｍｆｏｒｅｓｔｃｌａｓｓｉｆｉｃａｔｉｏｎｍｏｄｅｌｈａｄａｎａｄｖａｎｔａｇｅｉｎａｃｃｕｒａｃｙｒａｔｅꎬｐｒｅｃｉｓｉｏｎｒａｔｅꎬｒｅｃａｌｌｒａｔｅꎬＦ１￣ｓｃｏｒｅａｎｄｏｔｈｅｒｉｎｄｉｃａｔｏｒｓꎬｗｈｉｃｈｗｅｒｅ９６.１６％ꎬ９６.９５％ꎬ９５.５０％ａｎｄ０.９６５ꎬｒｅｓｐｅｃｔｉｖｅｌｙ.[Ｃｏｎｃｌｕｓｉｏｎｓ]Ｔｈｉｓｍｅｔｈｏｄｃａｎｂｅｕｓｅｄｔｏｉｄｅｎｔｉｆｙａｂｎｏｒｍａｌｌｅｇｓｏｆｂｒｏｉｌｅｒｓꎬｃａｎｅｆｆｅｃｔｉｖｅｌｙｒｅｄｕｃｅｌａｂｏｒｃｏｓｔｓꎬａｎｄｐｒｏｖｉｄｅｔｅｃｈｎｉｃａｌｓｕｐｐｏｒｔｆｏｒｅａｒｌｙｄｉｓｅａｓｅｐｒｅｖｅｎｔｉｏｎａｎｄｗｅｌｆａｒｅｂｒｅｅｄｉｎｇｏｆｗｈｉｔｅ￣ｆｅａｔｈｅｒｅｄｂｒｏｉｌｅｒｓ.Ｋｅｙｗｏｒｄｓ:ｂｒｏｉｌｅｒｌｅｇｄｉｓｅａｓｅꎻｉｎｆｒａｒｅｄｔｈｅｒｍａｌｉｍａｇｅꎻＹＯＬＯｖ３ꎻｃｏｒｒｅｌａｔｉｏｎａｎａｌｙｓｉｓꎻｒａｎｄｏｍｆｏｒｅｓｔꎻＲＯＣｃｕｒｖｅ肉鸡是我国仅次于猪肉的第二大肉类消费品[１]ꎬ但在集约化㊁规模化养殖条件下ꎬ肉鸡腿病的发生率也呈上升趋势ꎬ不同养殖场肉鸡腿病的发生率有较大差异ꎬ但整体腿病发生率达到２.０７％[２]ꎻ而在一些饲养管理不好的养殖场腿病的发病率可高达５％~６％[３]ꎬ造成了严重的经济损失ꎮ目前ꎬ肉鸡腿病主要以人工检测为主ꎬ耗时耗力[４]ꎮ因此ꎬ研究一种能够准确识别肉鸡腿部疾病的自动化检测方法具有重要意义ꎮ关于肉鸡腿部疾病检测方法的研究ꎬ国内外多以Ｋｅｓｔｉｎ等[５]的肉鸡步态评分标准为参照进行跛行研究ꎮ何灿隆等[６]通过使用无线运动脚环检测肉鸡行走的有效数据点来判断肉鸡的跛行程度ꎬ其建立的二分类模型准确率为９３.８８％ꎮＡｙｄｉｎ等[７]通过３Ｄ视觉相机验证了肉鸡躺下的潜伏期和步态得分之间呈显著负相关ꎮＮääｓ等[８]通过分析肉鸡步态的视频流来计算肉鸡的速度和加速度ꎬ从而进行步态评分预测ꎮＳｈｅｎ等[９]通过红外热图像提取肉鸡的头部温度ꎬ进而分析肉鸡群的温度ꎬ识别精度达９１.３％ꎮＬｏｋｅｓｈＢａｂｕ