另一方面，与紧密养猪业中的其他传感器编造比拟，摄像头传感器价钱省钱、普通可用且易于用于搜聚音信。摄像头可能以低本钱实行对猪的高精度监控。然而，闭于摄像头正在养猪临盆中的使用的针对性音信的缺乏带来了少许使用节造。这篇综述详述相机的最新手艺，正在监测和考查猪喂食、饮水的自愿化手腕、睡觉、转移、攻击性和生殖行径方面的使用。另表，该综述总结了联系文件并指出了为来日探究职员搜求拓荒新维度的范围性。

　　凭据经济专家的预测，到2050年，寰宇生齿将亲近100亿，比目前世齿多23%。另表，凭据统计告诉，因为古代农业实行的粮食产量较低，要养活特地的30亿生齿将展示相当大的缺口。因为环球每年消费3.5亿吨肉类，必要大幅进步肉类产量，淘汰土地行使，以避免来日几十年的饥饿。猪肉是总消费量第二大的肉类，鸡肉、猪肉和牛肉加起来占环球肉类产量的92%。是以，有需要采用更先辈的手腕进步产量，如精准畜牧业(PLF)，而不是古代的垦植手腕，如不受局限的境遇/幼天气、粗犷式畜牧业。

　　正在本世纪20年代，少许国度实行古代手腕，雇仆役来照管动物，如此本钱颇高。动物的强壮和福利仍旧是农场的首要宗旨。固然职员喂养大大都猪场可能担负，但职员喂养只是凭借侦察，如此能够会错过闭头目标。

　　比方，动物的体温是监测滋生首要目标，温度医治是保卫动物动态平均的首要途径。常常丈量直肠温度显露动物体温，蕴涵心率、呼吸速率等目标，这些手腕是必要作事量，但手艺成长可能淘汰这些作事量。当试验行使手艺而不是古代手腕来丈量温度时，可能行使温度传感耳标(也可能用来检测热应力)、可穿着和植入式装备、热成像相机、红别传感器等，但到目前为止相应的方法有限，是以没有正在文件中举行悉数筹商。

　　正在20世纪80年代中期，像PLF如此繁杂的农业计谋是科学文件中筹商的一个首要话题。正在成长中国度，PLF被以为是不行够的。正在科技行使率创史籍新高的本世纪，成长中国度逾越50%的农夫依然可能行使互联网，而不只仅是智好手机。另表，因为担负得起的传感器、施行器、微经管器、基于物联网的监控编造和大数据了解等先辈手艺的展示，PLF自适宜近年来博得了希望。2020年，环球精准畜牧商场的价钱为31亿美元，估计到2025年将以9.0%的归纳年拉长率拉长到48亿美元。近年来，因为境遇对仔猪的影响，以及发展期更经常产生的热应激、呼吸题目等强壮题目，猪的PLF需求无间很高，由于人命的每个阶段的毕命率都正在减少。是以，为了进步养猪的临盆收效，咱们必要正在每一个阶段都举行精准监测幼相机大效力！相机正在精确养殖中的运用。另表，消费者还条件正在食物临盆中为母猪和仔猪有更好的养殖境遇。很多探究依然回头了古代和紧密农业的对照，现正在为大多逐一陈列：

　　效力--通过淘汰耗损来可继续地欺骗资源(可行使摄像机、流量计、饲料秤等监测饲料和水的摄入量和耗损)。

　　早期疾病检测--借帮软件行使摄像机诊断举动转折，行使境遇参数(通过摄像机、加快计、红别传感器等评估热应力)举行疾病检测，以及改良动物福利(咬尾巴、打斗等)。

　　境遇收拾-扞卫动物免受境遇应激源的影响(PLF可能医治境遇应激源，如温度、湿度、气流、透风等)。

　　动物的作事量可能淘汰，或者它们能够会由于围栏内的人类举动而受到表部压力。

　　音信和个人监测-可视化(可通过搜聚饲料摄入量和猪的体重数据来盘算喂养效力[17-19]；体表温度数据可用于跟踪热应激)。总共的数据，蕴涵身体运动、发挥、生物音信、声型属性等，用于检测猪群和个人的特性。

　　PLF的主意是决定地为吃紧的题目供给担负得起的、直接的处分计划；少许传感器编造(如RFID)是确切的，但关于中幼型农场来说是担负不起的。另表，由于PLF对装备、手艺有必然的条件，是以很多猪场不肯行使PLF。另一方面，与猪舍中的其他传感器编造比拟，摄像头传感器很常见，可能很容易地搜聚音信数据。猪拥有攻击性和对新事物的好奇心，其他猪能够会咬/弄坏传感器。但目前为止，固然依然展示了几项识别、跟踪和分类行径，并试验行使2D/3D相机早期检测猪的疾病，行业内闭于摄像头传感器的联系音信仍旧较少，这是一个很致命的缺陷。

　　图像搜集是任何基于图像的了解的第一步，可能界说为通过摄像机逮捕数字音信。正在过去的二十年里，通过从图像中提取音信，图像被用来改良动物的福利。CCD摄像机可能缉捕物体的二维(2D)彩色图像，可用于进一步了解。这些图像以数字表面给出闭于色彩(RGB)、纹理、式样、宽度、高度、像素值等的音信。通过行使图像经管手艺，RGB色带(红、绿和蓝)还可能天生灰色、色调、饱和度和强度因子。像素值可能与猪的及时丈量联系联，以拓荒一个浅易的标准来寻找猪的长度，而不必要丈量另一头猪的长度。同样，行使2D图像可能很容易地欺骗图像经管手艺找到猪的体重、周长、身高和其他身体音信。

　　行使深度传感器修建3D图像的手腕本钱更低也更容易操作，不过光、布景噪声等表部要素的震荡会导致深度传感器的相对偏差。只管很能够会搜聚到带有噪声的数据，但可能通过校准和预经管手艺来处分这一题目。迩来的探究是行使深度音信来修建3D图像，然后将这些图像用于面部识别、举动识别和其他类型的样子学识别。

　　猪的识别由来已久，诸如夹耳、割耳、贴耳标帜、微芯片、电子识别装配(EID)以及正在猪皮上编号或标帜等手艺。射频识别器(RFID)是识别猪的常用装备。RFID是带编号的耳标的高级版本，无源电子标签由射频识别器(RFID)构成，它通过微芯片和盘绕铜天线向读取器发出信号。低频(低频：125千赫或134.2千赫)、高频(高频：13.56兆赫)和超高频(超高频：860至960兆赫)是射频识别编造的三个首要频率局限。只管RFID拥有构造浅易、本钱低和牢靠的身份识别联系性等长处，但下列处境会酿成识别凋零：

　　局限：RFID的局限有限（纵使是远隔绝阅读器也法则最大隔绝为120厘米），正在此局限内标签可能被激活并胜利读取。此表，不行同时读取多个标签；是以，数据能够不牢靠，由于猪很顽皮而且聚正在一块。

　　失落：斗殴或游戏时耳朵扯破能够导致标签失落。这是能够的，由于猪舍有金属物体；另表，猪还锺爱玩塑料成品。另表，RFID标签时时表露正在污垢、尘埃和水分过多的恶毒境遇中，而且它们必需正在极热和极冷的境遇中阐明感化，从-30℃到70℃。

　　福利：RFID使用欠妥能够会导致陶染或耳朵毁伤。另表，耳标常常都屡次行使，这减少了陶染的能够性。

　　RFID正在识别动物方面的范围性依然通过行使摄像头面部识别来征服。借帮人脸识别手艺，猪脸识别手艺也得到冲破，譬如通过猪眼区域，鼻子，皱纹和欧几里德隔绝等特性数据告竣识别。Hansen等通过行使fisher面部，VGG面部模子和deep-CNN算法声明白猪面部识别，最终确切度为96.7%。同样，Marsot等欺骗深CNN模子识别猪脸。Marsot等人依然声明，这种面部识别模子不受年岁的节造；另表，他们可能正在拍摄照片或视频一个月后识别面部。其他探究职员行使深CNN模子正在农场一级识别10-16头猪，行使2D图像正在不到1秒（每幅图像0.002秒）的光阴内确切率逾越90%。

　　活体重量关于猪和鸡的喂养收拾至闭首要。探究注解，一头猪的饲料本钱是总临盆本钱的75%或更多。按期监测猪的体重能更好的优化本钱，由于食品摄入量和体重减少是线性联系的，借此可能展现饲喂亏欠或太甚饲喂的题目，同时也可能对评估滋生质地和发展率、滋生期、饲料转化率和疾病产生率的目标做出评估。另表，损益帐目可能行使与此刻商场情状联系的实践权重举行评估。

　　最初，猪的体重是全靠目测和手摸，厥后采用称重方法，不过费时辛苦。厥后惹起间接丈量的少许手腕，凭据猪身体尺寸（长度和周长）估算体重，固然存正在少许亏欠，但也声明白样子和体重之间的联系性。譬如说丈量了猪的身长(尾巴到肩胛骨)、腰围、背部和肩部高度以及宽度(统一头猪被逮捕的体重为30-80公斤)，舛错率为6.2%，有人也行使CCD摄像头来评估猪的身长、宽度(从肩胛骨到鼻子的长度，从尾巴到肩胛骨的长度，肩宽，中部宽度和背部宽度)和界限面积来盘算体重。当然如此会存正在缺陷，CCD摄像头是俯视丈量，譬如猪的高度、周长等参数难以得到，但经历手艺迭代，目前依然处分，创立了新的参数如面积、突签名积、周长、偏爱率、是非轴长度和界限检测。通过界限检测、布景去除、灰度图像转换、头部和尾部去除等预经管手艺提取特性，并欺骗ANN和VQTAM对这些特性与体重举行联系了解。目前行使的3D深度摄像头，通过传感器搜聚深度、音信，通过经管使体重偏差缩幼到0.374-4.6%。

　　通过体重测算，编造还可能自愿了解出划一度相机、腿部特性、身体特性等，目前评定猪的质地、体积常常采用与活体称重类似的样子学参数，以及脊椎、侧肋等。细节如下：

　　今后，Condotti等人2018年的探究中，行使深度传感器评估育肥猪质地，通过提取体型音信，最终确切率高达99%，而猪的体表是基于Yoshida和Kawasue的脊椎面积丈量和周长创造的3D模子。Xtion传感器是更为便捷的测定系统，通过红表等方法，搜聚猪的体长、臀宽、臀高和胸围等音信。

　　先前，猪的个人识别音信首假若行径识别，蕴涵攻击性、式样和运动，或者是RFID耳标，但这花费不幼。是以，通过人为智能手艺将猪的个人识别，安排为一种通过摄像头的视觉手艺即可告竣。

　　首先，该手艺是通过2D摄像头告竣识别，厥后升级为3D深度摄像机，通过样子学特性告竣识别。至今，识别手艺更为丰裕，蕴涵基于GMM的布景剔除、降噪、样子学识别、椭圆拟合、图块离散等等（这些手艺并没有逐一查找专著名词）。

　　不过正在识别历程当中，也会存正在题目。最大的影响要素即是光。当猪场照明条目亏欠时，便很难寻找猪与猪的区别，更加是苍蝇较多的场，镜头很容易被笼罩住。目前识别较速的应为行使otsu法，对图像举行离散识别，附带YOLO9000，检测光阴为8.71ms。本探究行使了Otsu的阈值法举行图像离散，并行使YOLO9000举行更速的检测。该手腕正在教练历程中行使同化光照图像举行教练，并胜利验证了95%的及时确切率；检测单元光阴为8.71ms/图像，大大低于其他CNN手艺。

　　有专家探究指出，猪每天有86%的光阴正在躺着，是以确切识别猪的卧姿极度闭头。而温度对猪只卧姿影响更大，常常室温转折4℃，便可能影响猪只，若转折逾越8℃，则会发生明显影响。咱们评议猪对温度的适宜水准有一个专用名词，热惬意度。2008年，shao创造了及时神情检测模子，通过x、y坐标对视频中猪的运动举行检测，更合理的识别出猪的运动特性。厥后，有人用椭圆拟合手艺来定位猪，即通过椭圆的是非轴、宗旨、质心等椭圆参数，与猪的特性举行成婚。跟着这项手艺模子的持续迭代，确切率抵达了94.2%，敏锐度抵达94.4%。当然，除了温度，空间、虫豸、地板类型、养分收拾或者是辐射城市影响猪的式样。

　　凭据肉类协会专家统计，跛行每年酿成经济牺牲逾越150万美元，跛行的由来较多，地面、卫生、遗传、养分等均为惹起猪只跛行。其测定方法逐渐成长，2D摄像头、IR摄像头、GOPRo以及搜集摄像头。集道理也正在持续升级，由原先的像素盘算、光流（OF）估测、到搜聚转移频率的MIA手艺。

　　此前，Stavrakakis探究了一种传感器，用于评估猪的行走形式，但仿佛并不完满。由于猪的运动会被温度、身体形态以至是心境影响，是以对猪运动的探究还远远亏欠。

　　斗殴是群体动物的特征，一朝展示伤亡，很能够会影响猪群强壮，这也是咱们必需监控的一件事变。常常，咱们会讲攻击行径分为以下两类，一是即是闹着玩（头撞头、头撞身子、彼此摩擦）；另一个即是真咬架（咬脖子、咬身体、咬耳朵）。

　　正在Viazzi提出的算法中，只消猪接触逾越5s，就认定为攻击，并天生运动史籍图像（MHI），该算法通过对150张MHI分类后，决断确切率为89%、敏锐度为88.7%。厥后使用人为神经搜集对猪只攻击行径举行决断，结果吃紧攻击行径敏锐度为96.1%，确切率为99.8%。

　　咬尾是养猪业一个吃紧题目，至今也没有一个确切的定论，呼声最高的注解即是缺乏养分物质。咬尾可能低落临盆收效来，这是因为伤口会导致猪只陶染，同时痛楚会低落采食量，减缓发展。据统计，群体喂养的猪咬尾几率约为70%。固然断尾正在必然水准上淘汰了咬尾举动，但这也不是轨范计划。有探究从文件当中搜聚了4种咬尾前的彰彰症状，全部如下：1、尾巴变尖；2、多动；3、好奇；4、惧怕、好打斗。

　　此表，有探究对猪栏行使俯视3D摄像机，分手搜集尾部毁伤、伤口奇怪度、尾部长度和肿胀几个目标，预测尾巴神情，不过切确性很差，是以，咬尾题主意智能识别又有很长的道要走。

　　猪的饮、食息息联系。可能通过RFID罗致器举行识别。非养分性会见（NNV）首假若指猪来到饲喂区却不吃料，这很能够会给其他猪一个舛错的信号，导致其他猪抢先恐后的挤到饲喂区，酿成毁伤。是以，合理摸清猪的进食顺序是很有需要的。有人对母猪的头正在料槽中上下转移头部，便认定为正在吃料，这对决断猪的形态确切性很高。

　　关于饮水也是相通，也会存正在NNV的处境。关于饮水搜集，通过CCD摄像头搜集猪的视频，通过图像预经管，通过盘算宗旨值，确定质心，采用椭圆拟合的手腕，告竣识别。

　　疾病早期预测是低落陶染和毕命率的首要手腕。2018年中国由于非瘟扑杀了2亿头猪，韩国扑杀了800万头猪，以是，疾病检测对猪场强壮至闭首要。

　　凡是来说，任何陶染城市导致瘦弱、发热和心灵怠慢。是以监测饮、食、睡眠和散步等举动极度首要，行径转折是跟踪动物强壮的一种方法。咱们依然筹商了识别和跟踪猪的行径；另一个首要的目标是猪的体表或部位的温度。因为大大都陶染城市惹起发热，体温震荡是识别牛病毒性腹泻(BVD)、鼠伤寒梵衲氏菌陶染、大肠杆菌陶染等的浅易手腕。

　　猪的体温正在身体的分歧部位是分歧的；每个部位，如眼睛、鼻子和腿，都有分歧的寻常温度水准。欺骗红表热像仪图像寻找温度是迩来成为轨范的一种胜利的手腕。另表，正在24幼时内给出活泼度评分，也能迟缓识别受陶染的猪，早期经管有帮于缓解跛行。

　　猪没有汗腺，是以行使IR热表示是测定体温的有用手腕。测定猪的体温，首要蕴涵耳后、背部、腰部、表阴、大腿表侧、乳腺、眼部等。譬如生病前后的温度转折展现病猪，嗜睡也是识别非瘟的一个有用举措。

　　非瘟低重（1-11天）、陶染光阴（12-15天）、qPCR检测（16-18天）和临床检测（19-23天），并用光流法举行盘算，分为陶染前与陶染后两组举行识别决断，结果怎么文中并未提到。

　　图3.攻击联系运动像素的提取历程：(a)前红表帧，(b)前深度帧，(c)后红表帧，(d)后深度帧，(e)后减前深度帧，(f)前减后深度帧，(g)运动像素的提取结果，(h)二值化结果，以及(i)使用Chen创筑的阈值创立后的攻击联系运动像素的提取结果。

　　图4.(A)搜集的比较、鼠伤寒梵衲氏菌血清型和大肠杆菌陶染猪的热像；

　　只管手艺先进很速，但任何手艺都有范围性。与其他PLF手艺犹如，相机传感器也有少许节造，这些节造影响了它们正在猪场的实践。这些节造必要来日的探究职员来处分，以进步PLF的效力。本综述被采用的大局限探究是正在大学、模子猪舍、实习场、实习室和探究所举行的。因为分歧地域的境遇和生态分歧，这些探究中的基础毕竟有很大的分歧。比方，8℃的室内温度的转折对形式有很大影响。同样，室内温度正在医治猪的体温方面起着至闭首要的感化，并会惹起躺卧、进食和饮水行径的震荡。

　　是以，模子和田间之间的分歧是明显的；借使正在试验场和实践的猪舍采用类似的编造，能够确切性就会展示震荡。毕竟上，这些模子凭据地域、国度、农场范畴和种类的分歧而有分歧的切确度；是以，仍旧缺乏环球模子的拓荒。另表，每个模子都应当获得区域遗传学的验证，由于每个物种及其发挥都取决于遗传、境遇、区域天气条目和食品。

　　纵使探究职员拓荒了环球或区域模子，他们也必要数据来教练算法；是以，猪场必要搜聚图像数据来更新模子。正在这种处境下，摄像头使用必要宏大的盘算机、无线通讯和互联网；因为电信行业的贸易战略，成长中国度的村庄仍正在为电信接入而苦苦挣扎。

　　正在大大都处境下，摄像机应当持续地监控猪，标帜分生手径。正在这种处境下，监控编造应当天生很大都据点，不过数据量壮大，并且是空前未有的。比方，假设2D摄像机正正在逮捕猪圈的视频；借使5分钟的视频的文献巨细为500兆字节(关于高辨别率摄像机，文献巨细以至更高)，这将正在一天内发生141 GB的可视数据，每月约莫发生4TB的可视数据。这大大减少了猪场的运营本钱。当然，IRI或其他深度图像比2D图像必要更多的存储空间。不过要清晰，数据驱动的最佳决定有赖于盘算机科学的先辈成长。

　　咱们必要通过对照探究，优化算法，更有用地欺骗摄像机数据。比方，YOLOV5是一种最新的呆板研习手艺，它重量轻，但识别才略宏大；借使咱们将其与其他型号举行斗劲，咱们就会认识到YOLOV5是何等宏大和疾速。

　　农业手艺成长依赖国力、经济能力与文明方针，更加是探究职员与从业职员的常识分歧，是以这并不会是中幼型猪场的最佳采用。就目前的成长来看，念要更好的普及，必要更少的传感器、更实惠的价钱、更确切的数据以及更浅易的操作。

　　搜猪网&金猪商城2023年生猪价钱地势内部研讨会（李曼同期）即将开启，冯永辉师长与您现场交换