许志强,沈明霞*,刘龙申,孙玉文,郑荷花,张伟

(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,江苏 南京 210031;2.新希望六合股份有限公司,山东 青岛 266100)

肉鸡是我国仅次于猪肉的第二大肉类消费品[1],但在集约化、规模化养殖条件下,肉鸡腿病的发生率也呈上升趋势,不同养殖场肉鸡腿病的发生率有较大差异,但整体腿病发生率达到2.07%[2];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],造成了严重的经济损失。目前,肉鸡腿病主要以人工检测为主,耗时耗力[4]。因此,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。

关于肉鸡腿部疾病检测方法的研究,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。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,其建立的二分类模型准确率为93.88%。Aydin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。Nääs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,从而进行步态评分预测。Shen等[9]通过红外热图像提取肉鸡的头部温度,进而分析肉鸡群的温度,识别精度达91.3%。LokeshBabu等[10]通过拍摄牛蹄表面的红外热图像观察温度变化,证明红外热图像可用于奶牛跛行的早期检测。目前,国内外鲜有文献报道红外热图像在肉鸡腿部异常检测的研究。

本文基于随机森林分类模型,从白羽肉种鸡的红外热图像中提取腿部温度、身体质心高度、身体前倾角、身体偏转角等特征指标,通过多特征融合综合判定肉鸡腿部异常情况。……