本文作者：陸明洲 沈明霞 丁永前 楊曉靜 周波 王志國 單位：南京農業大學工學院/江蘇省智能化農業裝備重點實驗室 南京農業大學動物醫學院/農業部動物生理生化重點實驗室 南京農業大學動物科技學院 江蘇省永康農牧科技有限公司

音頻分析技術

廣義上的動物健康可分為生理健康及情緒健康，音頻分析技術一般都是針對患有呼吸道疾病的動物咳嗽聲處理實現生理健康監測。為此應首先提取患病動物咳嗽聲特征，Ferrari等[8-9]通過臨床檢查篩選染病豬并采集其咳嗽聲，與檸檬酸誘發的健康豬咳嗽聲對比發現染病豬咳嗽音頻的標準化壓力均方差及峰值頻率均值均低于健康豬，而染病豬咳嗽持續時間及咳嗽頻率則高于健康豬。針對染病豬咳嗽音頻特征參數構建參考模板，將日常生產中利用定向麥克風采集到的豬咳嗽聲與該參考模板做模式匹配，可以實現呼吸道疾病疑似病豬智能識別。在圈舍群養的豬飼養方式下，很難實現豬個體咳嗽聲的采集，可將圈設定為監測對象，使用麥克風陣列定位具備病豬咳嗽音頻特征的咳嗽聲[10]，將出現病豬咳嗽聲頻率高的圈設定為高危圈，養殖人員重點關注高危區內動物健康狀況，及早隔離確診病例，這不僅有效降低了人工勞動強度，而且提高了患病豬識別效率，降低了規模化養殖場由于動物疾病帶來的經濟損失。動物情緒健康更多是動物福利關注的問題，目前音頻分析技術主要用于提取動物在恐懼、孤獨、焦慮等不良情緒下的叫聲特征，在此基礎上可實現動物情緒健康的無損監測。Jahns[11]針對已知的牛饑餓和發情叫聲信號提取出先驗特征矩陣及其參考模式，利用模式匹配方法識別牛只日常叫聲中所蘊含的饑餓及發情信息。Ikeda等[12]利用線性判別分析方法處理聲音信號的頻譜結構變化特征，進而智能識別母牛饑餓以及與仔牛分隔而產生的兩種焦慮狀態。豬的情緒健康水準評價研究目前鮮見報道，限位欄飼養母豬和剪牙斷尾仔豬的情緒健康問題最值得關注。

以仔豬為例，為了驗證剪牙斷尾過程會引起仔豬極強的恐懼情緒，可設計獨立的仔豬叫聲采集室，人為制造令其恐懼的突變環境，采集其叫聲音頻并提取音頻特征構建參考模板，與剪牙斷尾時采集的仔豬叫聲做模式匹配，實現仔豬恐懼情緒的智能識別。動物采食、飲水、排泄行為異常可用于預測其健康異常，因此這三大行為是畜牧養殖從業人員最為關注的動物行為。及時監測到動物行為模式的突變有利于及早發現疑似發病個體，降低經濟損失。音頻分析技術目前主要用于牧場放養的牛羊采食行為監測，這種飼養方式下牛羊活動范圍廣，人工觀察方式及機器視覺技術難以監測它們的采食行為。但是牛羊采食主要有咬斷及咀嚼草料兩種動作，而實際采食量可由咬斷草料的次數來判定，因此可通過咬斷、咀嚼草料兩種動作的不同音頻特征識別牛羊采食過程中咬斷草料的次數，進而實現采食量的智能監測[6-7]。難以實時、準確掌握養殖動物需求是目前畜牧養殖業面臨的挑戰之一，而動物叫聲是其生理、情緒健康狀況的外在表現，準確掌握動物叫聲含義有利于養殖人員根據動物自身需求開展養殖工作。動物叫聲音頻分析的首要目標是針對大量已知含義的動物叫聲音頻提取特征參數，不斷擴充動物叫聲音頻分析模式庫，這是研發動物叫聲含義智能識別系統的基礎。另外，動物叫聲含義分析對音頻質量要求高，如何有效降低圈養動物叫聲間的相互干擾及環境噪聲的影響以實現音頻高質量地實時采集，是后續研究中需要解決的問題。

機器視覺技術

在畜牧養殖領域，動物行為與動物健康狀況、生存舒適度密切相關，利用動物行為自動分析動物健康及舒適度狀況相比人工經驗觀察而言結果更加客觀。隨著機器視覺技術在數字化農業領域的廣泛應用，近年來，研究人員開始涉足基于動物視頻自動分析動物行為及動物生存舒適度的研究領域[13]。行為模型是核心，該模塊從動物形體姿態特征、行為間內在聯系以及行為與環境間聯系三個方面針對動物行為進行定義、表示和建模。視頻流是動物行為分析的信息源，目前一般是在養殖舍頂部架設連接PC的攝像機實現視頻流信息采集[14-17]，而關注動物腿部運動姿態的研究一般會單獨構建規則通道，側方位架設攝像機，在動物經過通道時采集其運動視頻[18]。運動目標分割步驟從視頻流原始圖像中分割出監測對象，特征提取步驟主要工作是提取足夠的動物形體特征，以區分不同的動物行為，這些形體特征包括位置、姿態、運動速度、輪廓等等信息，該步驟首先需要解決視頻序列中研究目標的檢測與跟蹤問題。目前針對群養豬個體跟蹤的最新方法能夠準確識別、跟蹤3頭豬長達8min，為豬只行為特征提取奠定了良好的基礎[14]。行為特征提取的目的是區分不同的動物基本行為，所謂基本行為是指諸如休息、探究、采食等能夠持續一定時間的獨立行為。臨產母牛的站立、躺臥、攝食等基本行為可用于預測母牛分娩時間，Canger等[15]研究了這些基本行為對應的主軸線方向、臀圍長度、體型寬長比、背部面積等圖像特征，實現了基本行為的自動識別，該研究成果使得設計一種基于母牛行為的人工助產自動預警系統成為可能。

復雜行為由一個或多個具有時空關聯的基本行為組成，復雜行為分析也可稱為動物行為模式分析，其主要工作是挖掘動物基本行為間或基本行為與環境間的內在聯系。Shao等[16]針對群養豬睡眠時的紅外圖像選取圖像不變矩、背景前景像素轉換頻率以及豬群緊密程度作為特征向量，使用最小歐幾里德距離方法區分環境溫度寒冷與舒適兩種狀況下豬的睡眠姿態。基于此，養殖人員可根據動物睡眠姿態判斷其環境溫度舒適度，實現養殖環境參數的按需調節，該研究對探索環境因子對豬生長的影響也具有重要的學術意義和實用價值。動物行為模式是發現動物反常行為的基礎，而反常行為是動物個體出現健康異常或環境發生突變的外在表現。動物反常行為的及時發現可用于動物疾病或環境調節預警。朱偉興等[17]利用安裝于豬舍排泄區的嵌入式監控設備對群養豬的排泄行為進行24h監控，對于單日排泄次數超過系統閾值的豬只，認定其排泄行為出現異常。Song等[18]將牛行走過程中同側前后蹄接觸地面中心點間距離定義為形跡重疊參數Δ，并挖掘出健康牛行走行為模式：行進過程中Δ值小于或等于0。將行進過程中Δ>0的牛只認定為患有跛腿殘疾。僅從畜牧信息的無損監測角度而言，基于機器視覺技術的動物行為監測是目前最好的方法，這種技術以無接觸方式記錄動物行為信息，對動物活動沒有任何影響。但是該方法的技術實現難度較大，受現場光照條件影響大，攝像機視距、拍攝范圍有限，一般只能監測圈養動物信息。后續研究中除了需要針對動物行為進行更精確的行為建模外，還需要解決養殖動物個體識別與跟蹤的問題，以豬行為監測為例，目前最新研究進展能夠準確識別、跟蹤3頭豬8min時間[14]。而中國群養豬的單欄養殖密度一般都大于3頭/欄，仔豬單欄養殖密度則更高，在這種應用場景下，如何在大通量的視頻信息中識別跟蹤某一行為異常的個體是后續研究需要重點解決的問題。