陈 佳 刘龙申 沈明霞 太 猛 王锦涛 孙玉文

(南京农业大学工学院， 南京 210031)

0 引言

动物体质量是畜禽养殖所关注的主要生长指标之一，体质量随时间的变化趋势反映动物的健康情况[1]。传统的动物体质量测量方法主要采用体质量箱、电子秤或地磅等仪器进行直接测量，不但耗时、耗力，而且易使动物产生较大应激反应[2]。

为提高动物体质量测量的效率，研究人员结合图像处理技术与人工智能算法，利用动物的胸围、体高、体长等外在特征参数进行分析与建模[3-4]，从而估算动物体质量。目前研究主要以中、大型动物为主，比如利用生猪背部投影信息[5-8]，并结合体高等深度映射信息[9-12]来估算生猪体质量，通过机器视觉结合模糊逼近算法[13]、三维点云数据结合回归模型[14-15]来估算奶牛体质量。同时，深度学习等智能算法也被应用于伊犁马[16]和杜泊羊[17]等体型较大的动物体质量估测中，收到良好的效果。

禽类动物具有体积小、应激大等特点，采用传统的称量方法容易造成动物惊吓。为此，学者们主要采用智能检测设备和无接触式体质量测量两种方式。文献[18-21]研究表明，不同种类鸡的体尺特征与体质量间存在较大相关性，可作为以图像为主要载体的无接触式体质量估测的有力依据。DE等[22]利用鸡的整体面积与周长估算体质量。MOLLAH等[23]在较为理想的试验环境下使用鸡的背部投影面积进行体质量估测，效果良好。AMRAEI等[24]利用机器视觉与人工神经网络进行实际场景下鸡只的定位与体质量估测，并验证了鸡体面积、周长与体质量的两两相关性。……