|
家禽生理信息监测和早期疾病预警技术
现代畜牧网 http://www.cvonet.com 2024/6/6 10:31:39 关注：1217 评论： 我要投稿
|
|
篇根据姚教授文章重点讲解“家禽生理信息监测和早期疾病预警技术”的应用发展。
家禽的形态、行为以及生理特征包含丰富信息，通常用来反映其生长环境的舒适度 、情绪状态以及健康状况 。家禽疾病诊断主要依靠兽医巡检对家禽群体精神状态、外观、行为、饮食和粪便等的观察分析和生化检测。在高密度的养殖环境中，兽医巡检不方便且易造成交叉感染，而生化 检测则需要经验丰富的技术人员，还易错过疾病治疗的窗口期。准确高效的监测家禽生理信息有助于分析家禽的生理、健康状况，及时发现家禽疾病个体进行疾病预警，以提高生产效益。
目前畜牧业的信息化、 智能化快速发展，针对家禽生理信息的智能监测和疾病预警技术已有大量研究及成果，其多是基于家禽体表、生理或行为的某一量化特征通过传感器感知、智能算法处理，来实现家禽生理信息的监测和疾病的预警 。
一、家禽生理信息监测和早期疾病预警技术
1. 基于外表形态特征的监测技术
基于家禽形态特征的监测技术中，主要以头部特征、轮廓几何特征、骨骼角度参数来检测家禽形态的异常状况，并能通过家禽图像进行体重估算。健康状况发生变化的家禽个体常会伴随身体结构、轮廓、关键部位形态变化（如鸡冠部、眼部、羽毛状态等）。
李亚硕等人利用机器视觉检测鸡冠颜色，通过数理统计分析健康鸡与病鸡的鸡冠颜色特征差异，以辨别蛋鸡的健康状况并定位病鸡位置，其对病鸡的正确识别率为96% , 误识别率为2% 。
毕敏娜等人提出了一种基于鸡冠及鸡眼构成的鸡头信息特征的鸡病识别方法。利用H分量阈值提取鸡冠鸡垂，通过鸡冠鸡头的位置关系识别鸡头，再分别提取鸡眼瞳孔轮廓的形状几何特征和鸡冠颜色构成H分量共生矩阵，用 ARA 特征选择算法获得鸡病特征变量，最后用支持向量机分类器进行分类训练，试验结果表明病鸡正确识别率为92.5% 。
陈佳等人利用白羽肉鸡背部投影面积与体重间的显著相关性，提出一种结合深度学习的非接触式白羽肉鸡体重估测方法。该方法采用自适应掩膜随机提取白羽肉鸡身体部分边缘点并进行椭圆拟合，映射出背部投影面积，再构建背部投影面积与体重间的线 性回归模型进行肉鸡体重估测，试验表明群鸡场景中体重估测最低准确率为 90.50%。
2、基于行为特征的监测技术
家禽行为是健康和福利的关键指标, 其中采食和饮水行为最受生产者关注，可用其判断生长状态以及健康状况。早期的研究是通过在料线和水管上安装电子称和流量计等设备，测量固定时间内饲料和水的减少量来间接监测家禽群体的采食、饮水。目前基于机器视觉和饲料与水的消耗量监测已实 现多目标家禽采食饮水的高精度监测。
李国明教授等人开发了一种检测肉鸡采食和饮水行为的图像处理算 法，采用机器学习模型对计算饲喂器周围肉鸡数量的方程设置参数，通过饲喂器周围的鸡只数量对采食行 为进行检测，其结果的总体准确率超过 89%。
也有研究者利用麦克风获取家禽啄食声，并将其与采食量进行关联分析，建立啄食声与采食量的模型，进而监测家禽采食量、采食频率并分析采食行为。
此外，对家禽日常行为也有大量研究，通过大量的家禽行为数据集来建立行为模型，并检测其异常行为来识别病鸡，以便采取相应措施来减少经济损失。目前已实现站立、趴卧、啄羽、梳羽等 10 项家禽行为的识别，为家禽养殖的高效管理提供更多信息。
李娜等人利用摄像头记录散养鸡群在舍内的活动，对鸡只的采食、站立、趴卧、梳羽、啄羽和打架行为进行标注，再利用 YOLO v4 目标检测模型识别，模型总体平 均精度准确率为 79.69%。
对饲养群体的异常活动检测可作为家禽早期健康预警 。
Aydin利用3D视觉摄像机从俯视角度采 集肉鸡图像，采用图像处理算法识别肉鸡的躺卧与站立状态，并统计了肉鸡的躺卧次数和持续时间，结果 表明使用3D视觉相机系统识别肉鸡躺卧与站立的准确率达到 93% 。最后基于躺卧时间与步态评分负相关，提出了一种间接评价肉鸡腿部健康状况的方法。
Kristensen 等用摄像机记录和描述了肉鸡群 1~3 周龄的正常活动水平和异常活动水平，当某一周龄的活动水平偏离预期水平时，检测系统可以通知生产者。
3. 基于生理特征的监测技术
a. 基于粪便：
家禽的一些生理特征（粪便、体温等）能真实反映家禽的健康状况，且易于监测，是疾病早期预警和诊断的依据。消化系统疾病是家禽养殖中常见的疾病，严重影响着家禽健康和生产，其最直观的表现便是粪便。
Aziz 等人使用灰度共生矩阵法描述粪便的纹理特征，提取了其中 19 种纹理特征集作为支持向量机的输入，对健康鸡和病鸡的粪便进行分类，来实现患病鸡只的检测 。
Wang 等人收集了10000 张 25~35 日龄罗斯肉鸡的粪便图片，将粪便分为 5 类（正常、形状异常、颜色异常、含水量异常、形状和含 水量都异常）并开发了一种基于深度卷积神经网络的检测模型，来进行肉鸡粪便的检测和分类，在测试数据集上达到了 99. 1%的召回率和 93.3%的精度，再结合清粪带运行速度估测，实现了排泄异常粪便鸡只的笼定位，定位准确率为 92.95%。
b. 基于体温：
家禽是恒温动物，但在病理或者应激情况下会发生体温变化，因此体温可作为家禽疾病早期预警和检测的生理指标。目前，基于家禽异常体温的疾病检测研究多集中在腿部疾病和禽流感方面。
刘修林等人利用红外热像仪测定了不同环境温度下健康蛋鸡与患病蛋的表面温度，通过比较其头部和腿部或足 部的最高温度以及平均温度，获得了体表温度与健康状况之间的关系，再进一步分析获得了能反映疾病状 态变化的最佳体表温度区域，结果显示，健康蛋鸡和患病蛋鸡的头部或腿部存在明显温差，最大温差为6.9℃ , 且腿部和足部存在极大温差，可利用蛋鸡体表温度进行疾病检测。
许志强等人通过红外热图像提取肉鸡腿部异常时的温度特征，结合姿态特征来综合判断腿部异常情况并提出了 自动检测方法，该方法将肉鸡腿部最大温度、身体质心高度、身体前倾角、身体偏转角作为输入特征，利用 YOLO v3 和随机森林建立肉鸡腿部异常自动检测模型，对正常、轻微异常、中度异常3个类别的检测总体 准确率为 96.16%。
c. 基于声音
家禽的声音是其重要生理信息的表达，与其呼吸系统的健康密切相关，是提醒生产者注意环境管理和 疾病传播的重要信号。
Liu等人在2万羽白羽肉鸡鸡舍录音1周，基于小波变换梅尔频率倒谱系数 ( WMFCCs) 、相关距离费舍尔准则( CDF) 和隐马尔可夫模型( HMM) 开发了一种提取肉鸡异常声音的识别 算法，其识别声音样本的平均准确率、精度、召回率都在90%以上，可用在肉鸡呼吸道健康评估上 。
Huang等人提出了一种基于音频分析的禽流感预警方法，通过对提取的鸡声音信号的频域进行分析处理，利用梅尔频率倒谱系数( MFCC) 作为声音特征来区分健康和患病鸡只，最后提取的鸡声用二元分类支持向量机( SVM) 训练和识别，其对禽流感检测的准确率在84%以上。
秦伏亮等人采用网络拾音器采集白羽肉鸡声音数据，经过滤波去噪后人工截取咳嗽样本，利用高斯混合模型－隐马尔科夫模型( GMM?HMM) 识别算法训练并调整优化咳嗽识别模型，其平均正确率达 95%。
二、当前监测与预警技术存在的问题
1. 养殖环境复杂，技术难以推广
综上所述，国内外学者对于家禽生理行为表征监测、异常及疾病监测与预警进行了大量研究，为进一步实现自动化监测家禽健康及检测家禽异常个体提供了有利的技术支持。但多数研究只能适用于理想的试验环境和单一对象，在复杂的养殖环境以及实际生产中的检测效果不理想、泛化能力不足、可推广性不强 。
2. 缺乏统一标准
目前的研究分散，对家禽特征数据没有建立统一标准，很少有多种特征耦合的健康监测和疾病诊断方法，对采集的形态、行为、声音等生理信息没有进行数据间的多源联系以及深度挖掘。
沈明霞课题组长期关注畜禽早期疾病预警技术，前期已经开展鸡只识别及体重估测、蛋鸡头部状况检测、肉鸡跛行评估等多项家禽早期疾病预警技术研发工作，已有多项研究成果 , 但同样并未耦合多种技术集成成套的检测预警智能技术与设备。在未来应研制更适合家禽养殖复杂环境的智能化技术设备，大量收集不同品种家禽在不同生理阶段、不同养殖方式和环境的外在表征数据，建立家禽特征数据库，并耦合多个特征进行健康监测和疾病预警。
传统家禽业以生产高效为唯一决策目标，在养殖中没有建立针对家禽健康状态的评价指标体系和标准。这使得各监测方法之间整合程度差、诊断标准不统一，无法综合多种家禽特征对其健康状况进行综合评价，从而制约了家禽疾病检测预警成套智能设备的开发设计。
目前对家禽福利研究较多, 国际上有Welfare Quality和Assure Wel 两种常用的家禽养殖福利评价系统，都涉及家禽健康的评价但又关联不直接。用来评价家禽健康状况的各个特征也没有统一的方法和标准，例如肉鸡粪便分类标准不统一。
Ogunji 等人描述肉鸡粪便的视觉评分采用4分制：
1分为正常的干粪便、呈圆锥形；4分为粪便极其疏松， 无圆锥形粪便和大量的游离水 。
而 Douglas 等人的研究也提及肉鸡粪便评分，采用5分制：1分为干燥， 自然形态；5分为水样，表面疏松。
同时还有研究者利用便血率和 pH 值对肉鸡粪便进行评分。为更准确地对家禽健康状态进行评价，需要建立一套综合评价家禽健康的指标体系和评价标准。
若能筛选出合适的家禽特征作为其亚健康的评价指标，制定评价标准，再选取合适的检测方案和智能 设备构建家禽亚健康评价系统，便可实现对家禽健康的实时监测，并对亚健康状态进行预警，继而早期进行人为干预，使家禽维持在健康状态，防范慢性疾病发生，减少疫病风险。
姚文,邓为,许毅,等.家禽亚健康状态监测与健康预警展望[J].南京农业大学学报,2023,46(4):635-644.
作者简介：姚文，教授，博导，主要从事单胃动物饲料营养和智慧健康养殖的研究与技术集成推广工作。
|
|
声明：本网刊登的文章以信息传播为目的，仅代表作者个人观点，文章内容仅供参考，并不构成投资建议，据此操作，风险自担。如果转载文章涉嫌侵犯您的合法权益，或者转载出处出现错误，请及时联系进行删除，电话：13520072067。本网原创文章，转载请注明出处及作者。感谢您的支持和理解！
|
| 文章来源：鸭高创咨询 文章编辑：一米优讯 |
| 【进入社区】【进入专栏】【推荐朋友】【收藏此页】【大 中 小】【打印此文】【关闭窗口】 |
|
|
| 发表评论 (当前没有登录 [点击登录]) |
|
|
信息发布注意事项：
为维护网上公共秩序和社会稳定，请您自觉遵守以下条款：
一、不得利用本站危害国家安全、泄露国家秘密，不得侵犯国家社会集体的和公民的合法权益，不得利用本站制作、复制和传播下列信息：[查看详细]
（一）煽动抗拒、破坏宪法和法律、行政法规实施的；
（二）煽动颠覆国家政权，推翻社会主义制度的；
（三）煽动分裂国家、破坏国家统一的；
（四）煽动民族仇恨、民族歧视，破坏民族团结的；
（五）捏造或者歪曲事实，散布谣言，扰乱社会秩序的；
（六）宣扬封建迷信、淫秽、色情、赌博、暴力、凶杀、恐怖、教唆犯罪的；
（七）公然侮辱他人或者捏造事实诽谤他人的，或者进行其他恶意攻击的；
（八）损害国家机关信誉的；
（九）其他违反宪法和法律行政法规的；
（十）进行商业广告行为的。
二、互相尊重，对自己的言论和行为负责。
三、本网站不允许发布以下信息，网站编辑有权直接删除：[查看详细]
（一）、重复(恶意灌水)发布的信息；
（二）、在本栏目内发布例如供求信息、代理招商、会展、求职招聘等含有广告宣传性质、不符合网站栏目的信息内容；
（三）、与本网站主体定位不相关的信息等等。
四、本网站有权删除或锁定违反以上条款的会员账号以及该账号发布的所有信息。对情节恶劣的，本网将向相关机构举报及追究其法律责任！
五、对于违反上述条款的，本网将对该会员账号永久封禁。由此给该会员带来的损失由其全部承担！ |
|
|
| 声明：本网刊登的文章仅代表作者个人观点，文章内容仅供参考，并不构成投资建议，据此操作，风险自担。如果转载文章涉嫌侵犯您的著作权，或者转载出处出现错误，请及时联系文章编辑进行修正，电话：010-65283357。本网原创文章，转载请注明出处及作者。感谢您的支持和理解！ |
|
