劉同來徐立恒赫敏劉明光陳炫宙洪易謙馮大春郭建軍曹亮劉雙印

(1.廣州市農(nóng)產(chǎn)品質(zhì)量安全溯源信息技術(shù)重點實驗室，廣東 廣州 510225；2.仲愷農(nóng)業(yè)工程學院信息科學與技術(shù)學院，廣東 廣州 510225；3.仲愷農(nóng)業(yè)工程學院智慧農(nóng)業(yè)創(chuàng)新研究院，廣東 廣州 510225；4.廣東省高校智慧農(nóng)業(yè)工程技術(shù)研究中心，廣東 廣州 510225；5.廣東省農(nóng)產(chǎn)品安全大數(shù)據(jù)工程技術(shù)研究中心，廣東 廣州 510225)

引言

隨著世界經(jīng)濟的快速發(fā)展和人口的增長，人們對于肉類食品的需求日益加劇。雞肉作為一種經(jīng)濟實惠、營養(yǎng)豐富的肉類食品，在市場上占有極高的份額。近年來，受到非洲豬瘟等疫情影響，雞肉的需求量持續(xù)攀升。隨著肉雞養(yǎng)殖規(guī)模的擴大，養(yǎng)殖環(huán)境和生產(chǎn)效率成為制約肉雞養(yǎng)殖業(yè)發(fā)展的關(guān)鍵因素。如何提高肉雞養(yǎng)殖業(yè)的生產(chǎn)效益和降低養(yǎng)殖成本，已經(jīng)成為業(yè)界亟待解決的問題。在傳統(tǒng)的肉雞養(yǎng)殖方式中，存在諸多不足，如信息化程度低，環(huán)境調(diào)控誤差大，飼料投喂量缺乏科學性等。不僅影響了肉雞養(yǎng)殖業(yè)的生產(chǎn)效率，還可能導致環(huán)境污染和資源浪費。因此，研發(fā)一種基于人工智能的肉雞智慧養(yǎng)殖信息化服務(wù)平臺，以提高肉雞養(yǎng)殖行業(yè)的信息化和智能化水平，具有重要的現(xiàn)實意義和應(yīng)用價值。

近年來，物聯(lián)網(wǎng)、大數(shù)據(jù)和人工智能技術(shù)在各個領(lǐng)域取得了顯著的成果，為肉雞養(yǎng)殖行業(yè)的數(shù)字化轉(zhuǎn)型提供了強有力的支持。本文以人工智能為核心技術(shù)，結(jié)合物聯(lián)網(wǎng)、大數(shù)據(jù)等相關(guān)技術(shù)，開發(fā)了一種肉雞智慧養(yǎng)殖信息化服務(wù)平臺。通過該平臺，可以實現(xiàn)對肉雞養(yǎng)殖環(huán)境的實時監(jiān)控和智能調(diào)控，提高飼料投喂的科學性，降低養(yǎng)殖成本，從而提高肉雞養(yǎng)殖業(yè)的整體競爭力。

1 系統(tǒng)總體架構(gòu)設(shè)計

1.1 人工智能技術(shù)應(yīng)用在肉雞智慧養(yǎng)殖中的應(yīng)用

對肉雞產(chǎn)業(yè)鏈中的養(yǎng)殖信息化管理，將人工智能和大數(shù)據(jù)分析等技術(shù)應(yīng)用到肉雞智慧養(yǎng)殖信息化服務(wù)平臺中，采用分群周期管理、轉(zhuǎn)舍工作管理和環(huán)境預(yù)測可視化管理?；诩訖?quán)最小二乘法的同類傳感器進行數(shù)據(jù)融合，采用ARIMA、隨機森林算法的模型，通過調(diào)控硬件設(shè)備，采集環(huán)境參數(shù)構(gòu)建基于物聯(lián)網(wǎng)和大數(shù)據(jù)的肉雞養(yǎng)殖環(huán)境精準調(diào)控模型，采用YOLOv5算法進行肉雞目標檢測。該算法在目標檢測方面具有較高的精度和速度優(yōu)勢，相較于其他算法如EfficientDet和Faster-RCNN等，具有更出色的性能表現(xiàn)。團隊成員通過對不同版本網(wǎng)絡(luò)的深入比較與分析，最終選擇了YOLOv5s網(wǎng)絡(luò)，并對其進行了訓練和優(yōu)化，以適應(yīng)本文的算法前置設(shè)計需求。在數(shù)據(jù)集方面，本文采用了江豐某肉雞養(yǎng)殖場實地拍攝的視頻截圖，并使用LabelImg軟件進行標注，設(shè)置了不同的類別進行分類。本文采用YOLOv5算法在肉雞深度圖像的目標檢測中表現(xiàn)出色，細節(jié)處理得當。

1.2 微服務(wù)分布式架構(gòu)下的肉雞智慧養(yǎng)殖平臺設(shè)計與實現(xiàn)

本文采用Spring Cloud的微服務(wù)分布式架構(gòu)構(gòu)建，并結(jié)合人工智能技術(shù)，利用多種環(huán)境監(jiān)測傳感器進行環(huán)境監(jiān)測和數(shù)據(jù)采集，通過基于大數(shù)據(jù)分析的人工智能算法對肉雞生長狀況和健康狀況進行智能監(jiān)測和分析，將收集到的數(shù)據(jù)發(fā)送到后臺的數(shù)據(jù)庫，并通過人工智能算法進行分析，便于養(yǎng)殖人員的管理，在突發(fā)狀況時自動做出針對性的措施，從而大大提高生產(chǎn)效率。

圖1 肉雞的軟件平臺和硬件設(shè)備的通訊關(guān)系

2 系統(tǒng)功能架構(gòu)設(shè)計

2.1 平臺需求概要

該平臺是一款肉雞全產(chǎn)業(yè)鏈管理系統(tǒng)，側(cè)重于全產(chǎn)業(yè)鏈溯源數(shù)據(jù)管理和分析，兼顧了物聯(lián)網(wǎng)數(shù)據(jù)采集及設(shè)備控制的能力，具備以下功能。

圖2 肉雞全產(chǎn)業(yè)鏈平臺系統(tǒng)劃分

2.1.1 養(yǎng)殖系統(tǒng)

通過環(huán)境監(jiān)測，智能環(huán)控，疾病監(jiān)測，肉雞轉(zhuǎn)舍轉(zhuǎn)庫記錄，專家咨詢，養(yǎng)殖人員信息，用藥管理及養(yǎng)殖數(shù)據(jù)可視化各個模塊的信息管理，及時反饋養(yǎng)殖過程中的情況，從而提高養(yǎng)殖效率和質(zhì)量。依托于物聯(lián)網(wǎng)技術(shù)，系統(tǒng)實現(xiàn)了精準的環(huán)境監(jiān)測和高效的智能環(huán)控。

2.1.2 屠宰系統(tǒng)

對于肉雞屠宰過程中的生產(chǎn)計劃，材料領(lǐng)用，分級分割，稱重包裝及屠宰倉庫進行數(shù)據(jù)方面的管理，從而提高屠宰的效能。

2.1.3 加工系統(tǒng)

將屠宰后的肉雞部位進行腌制、油炸等產(chǎn)品生產(chǎn)，并將數(shù)據(jù)進行管理，利于之后在溯源方面提供數(shù)據(jù)支撐。

2.1.4 倉庫系統(tǒng)

存儲在各個生產(chǎn)階段中的肉雞及其產(chǎn)品和輔料，或?qū)ζ溥M行調(diào)撥出庫。

2.1.5 銷售系統(tǒng)

將加工完的肉雞銷售給批發(fā)商和零售商。其中有溯源模塊，即記錄肉雞從飼料、疫苗、藥品等的使用情況到出欄、屠宰、加工、出售的全過程，實現(xiàn)全程追溯提高產(chǎn)品的溯源性和安全性。

2.1.6 物流模塊

實時追蹤和管理物流流程和貨物信息，保證貨物準確到達銷售終端。

2.1.7 數(shù)據(jù)可視化系統(tǒng)

對日常采集的各項數(shù)據(jù)進行處理和分析，提供直觀的圖形化展示，幫助企業(yè)更好地把握雞苗價格和飼料原料價格的漲跌情況，做好管理決策。預(yù)測系統(tǒng)：通過分析歷史數(shù)據(jù)和行業(yè)趨勢，預(yù)測肉雞產(chǎn)量、價格變化，幫助企業(yè)做好產(chǎn)銷策略。

2.2 平臺特點

2.2.1 多系統(tǒng)功能

該平臺包含了養(yǎng)殖、屠宰、加工、銷售、溯源、數(shù)據(jù)可視化、預(yù)測和物流等多個系統(tǒng)，而系統(tǒng)內(nèi)有包含許多以滿模塊和全產(chǎn)業(yè)鏈的管理需求。

2.2.2 信息化管理

通過采用人工智能、大數(shù)據(jù)、區(qū)塊鏈等新一代信息技術(shù)，實現(xiàn)了對全產(chǎn)業(yè)鏈的信息化管理，解決了數(shù)據(jù)孤島和信息孤島的問題，全面地掌握肉雞生產(chǎn)鏈中的信息。

2.2.3 精準調(diào)控模型

結(jié)合物聯(lián)網(wǎng)技術(shù)，系統(tǒng)采用傳感器數(shù)據(jù)收集及處理技術(shù)與精準調(diào)控模型，通過環(huán)境調(diào)控、智能環(huán)控、疾病監(jiān)測等模塊，對養(yǎng)殖過程中的情況進行及時監(jiān)測和調(diào)整，提高了養(yǎng)殖效率和質(zhì)量。

2.2.4 全程追溯

通過記錄肉雞從飼料、疫苗、藥品等的使用情況到出欄、屠宰、加工、銷售的全過程，實現(xiàn)了全程追溯，提高了產(chǎn)品的溯源性和安全性。

2.2.5 數(shù)據(jù)可視化和預(yù)測

通過數(shù)據(jù)可視化和預(yù)測模塊，對采集的數(shù)據(jù)進行處理和分析，提供直觀的圖形化展示和預(yù)測結(jié)果，幫助企業(yè)更好地作出管理決策。

2.2.6 實時物流追蹤

通過物流模塊，實時追蹤和管理物流流程和貨物信息，保證貨物準確到達銷售終端。

2.2.7 專家在線咨詢模塊

通過聊天窗口化的咨詢方式，使得養(yǎng)殖者能隨時隨地對專家詢問養(yǎng)殖中的各種問題，更好地解決突發(fā)狀況，從而提供生產(chǎn)效能。

2.3 系統(tǒng)作用

2.3.1 提高生產(chǎn)效率

通過實時監(jiān)測和數(shù)據(jù)采集，幫助企業(yè)實現(xiàn)對生產(chǎn)過程的實時掌控，提高管理的科學性，從而提高生產(chǎn)效率。

2.3.2 降低成本

通過對養(yǎng)殖和加工過程的數(shù)據(jù)分析和預(yù)測，幫助企業(yè)制定更加科學、合理的養(yǎng)殖和加工方案，從而降低成本。

2.3.3 提升產(chǎn)品質(zhì)量和安全性

通過對養(yǎng)殖和加工過程的數(shù)據(jù)分析和預(yù)測，幫助企業(yè)制定更加科學、合理的養(yǎng)殖和加工方案，提升產(chǎn)品的質(zhì)量和安全性。

2.3.4 增強競爭力和品牌價值

通過提高生產(chǎn)效率、降低成本、提升產(chǎn)品質(zhì)量和安全性，增強了產(chǎn)品的競爭力和品牌價值。

2.3.5 提高企業(yè)管理水平和市場地位

通過全面、準確的數(shù)據(jù)管理和分析，提高企業(yè)的管理水平和市場地位。

2.3.6 增強消費者對產(chǎn)品的信任度和品牌價值

通過提高產(chǎn)品的質(zhì)量和安全性，增強了消費者對產(chǎn)品的信任度和品牌價值。

2.4 競品分析

目前市面上已經(jīng)有一些肉雞養(yǎng)殖和加工的管理系統(tǒng)，如“雞管家”“雞舍管家”“雞農(nóng)網(wǎng)”等，主要面向肉雞養(yǎng)殖和加工企業(yè)，主要功能包括養(yǎng)殖環(huán)境監(jiān)測，養(yǎng)殖過程管理，加工過程管理，數(shù)據(jù)分析和預(yù)測等。系統(tǒng)與競品的比較分析見表1。

表1 本系統(tǒng)與其他管理系統(tǒng)的功能對比

綜上所述，本系統(tǒng)具有全面、實時、數(shù)據(jù)化、預(yù)測性和協(xié)同性等特點，能夠幫助肉雞養(yǎng)殖和加工企業(yè)提高生產(chǎn)效率，降低成本，提升產(chǎn)品質(zhì)量和安全性，增強競爭力和品牌價值，提高企業(yè)管理水平和市場地位，增強消費者對產(chǎn)品的信任度和品牌價值等方面的優(yōu)勢。同時，本系統(tǒng)還具備信息共享和協(xié)同功能，能夠進一步提高企業(yè)協(xié)同效率和工作效率。

3 基于人工智能的肉雞狀態(tài)檢測設(shè)計

利用基于神經(jīng)網(wǎng)絡(luò)的深度學習目標檢測算法研究方法以及具體的YOLOv5目標檢測算法對于捕獲到的肉雞圖像信息進行預(yù)處理。

3.1 基于神經(jīng)網(wǎng)絡(luò)的深度學習目標檢測算法研究

為滿足本文對于肉雞圖像采集處理的研究需求，團隊成員對基于YOLOv5、Faster-RCNN、RetinaNet等深度學習神經(jīng)網(wǎng)絡(luò)模型的目標檢測算法進行了研究和比較。

圖3 肉雞深度圖數(shù)據(jù)集構(gòu)建流程及結(jié)構(gòu)

經(jīng)研究決定，初步?jīng)Q定采用YOLOv5算法。YOLOv5的網(wǎng)絡(luò)架構(gòu)可以被劃分為4個不同的處理階段：輸入(Input)、主干(Backbone)、頸部(Neck)和預(yù)測(Prediction)。在輸入階段，關(guān)鍵任務(wù)包括數(shù)據(jù)增強、自適應(yīng)圖像縮放以及錨框計算。主干階段采用CSP結(jié)構(gòu)，用來提取輸入樣本的核心信息。頸部階段則采用FPN和PAN結(jié)構(gòu)，對主干階段提取的信息進行特征融合，以獲得更全面的特征表達。在預(yù)測階段進行目標檢測的預(yù)測操作，并計算GIOU_Loss等損失值，這些損失值用于網(wǎng)絡(luò)的優(yōu)化和訓練。這4個階段共同構(gòu)成了YOLOv5網(wǎng)絡(luò)結(jié)構(gòu)的核心流程。

3.1.1 在算法精度方面

團隊對主流算法進行了前期比較。與EfficientDet算法相比，YOLOv5具有更高的精度。相較于兩階段(Two-Stage)目標檢測算法Faster-RCNN，一階段(One-Stage)目標檢測算法YOLO在速度上具有明顯優(yōu)勢，一次性輸出目標框的位置和類別置信度。計劃采用的YOLOv5s小型模型在速度上提高了約2.5倍，同時在小目標檢測時表現(xiàn)更出色。此外，與采用Darknet架構(gòu)的YOLOv4相比，YOLOv5的體積(權(quán)重文件為27MB)減小了近90%，便于部署到嵌入式設(shè)備上。這種選擇符合本文算法前置的設(shè)計需求，即將訓練好的模型預(yù)置到前端攝像機的計算芯片中，在前端進行運算，將初步結(jié)果傳送至遠端服務(wù)器，以減輕養(yǎng)殖現(xiàn)場帶寬不足對視頻傳輸?shù)挠绊?。將對YOLOv5的不同結(jié)構(gòu)進行訓練，深入比較分析，以找出適合本文的神經(jīng)網(wǎng)絡(luò)模型。

3.1.2 算法選擇對比

在YOLOv5系列中，包含有YOLOv5s、YOLOv5m、YOLOv5l和YOLOv5x等網(wǎng)絡(luò)結(jié)構(gòu)，盡管在基本框架上保持一致，但在網(wǎng)絡(luò)深度和寬度方面存在顯著差異。為了優(yōu)化網(wǎng)絡(luò)性能，團隊成員向相關(guān)算法開發(fā)人員請教，研究如何針對這4種結(jié)構(gòu)進行參數(shù)調(diào)整，從而調(diào)節(jié)網(wǎng)絡(luò)的深度和寬度，以提高網(wǎng)絡(luò)特征提取和特征融合能力。經(jīng)過深入對比與分析，團隊成員最終選擇了YOLOv5s網(wǎng)絡(luò)。不同版本網(wǎng)絡(luò)的運算性能對比如圖5所示。

圖4 YOLOv5目標檢測算法框架

圖6 YOLOv5算法流程圖

圖7 肉雞深度圖像標注細節(jié)

圖8 肉雞深度圖數(shù)據(jù)集

圖9 肉雞深度圖像的分割效果

3.2 YOLOv5目標檢測算法流程

采用YOLOv5目標檢測算法。

數(shù)據(jù)集來自江豐某肉雞養(yǎng)殖場實地拍攝的視頻截圖。使用LabelImg軟件對轉(zhuǎn)換后的數(shù)據(jù)集進行標注，并手動設(shè)置了諸如正常成雞、病成雞、正常乳雞等類別。數(shù)據(jù)集共包含4000余張圖像，按9∶1的比例隨機劃分為訓練集和測試集。

YOLOv5因其出色的速度和高度的適應(yīng)性而備受關(guān)注。該網(wǎng)絡(luò)的架構(gòu)主要由兩部分組成，即Darknet-53主干網(wǎng)絡(luò)和路徑聚合網(wǎng)絡(luò)(PANet)。主干網(wǎng)絡(luò)采用了CSP1_X結(jié)構(gòu)，其中包括2個分支，第1個分支由X個Bottleneck模塊按順序連接而成，而第2個分支則包括一系列卷積層。這2個分支被融合在一起，增加了網(wǎng)絡(luò)的深度，從而顯著提升了特征提取的性能。PANet結(jié)構(gòu)由卷積操作、上采樣操作和CSP2X模塊組成，形成了一個循環(huán)金字塔結(jié)構(gòu)，促使不同特征層之間能夠相互交流，有助于進行掩模預(yù)測。通過非極大值抑制(Non-Maximum Suppression，NMS)處理，最終獲得了預(yù)測框；這些結(jié)構(gòu)的協(xié)同作用有助于提高網(wǎng)絡(luò)的性能和目標檢測準確度。值得一提的是，YOLOv5在深度圖像標注中表現(xiàn)出色，其細節(jié)處理得到了充分考慮。

3.3 YOLOv5檢測效果分析

通過采用深度學習圖像分析與處理方法，在處理肉雞的圖像時面臨多重挑戰(zhàn)，如肉雞在拍攝時不斷運動、姿勢各異、遮擋現(xiàn)象嚴重以及圖像可能不完整。因此，在標注肉雞圖像時，決定不對那些在圖像邊緣未完整呈現(xiàn)的雞進行標注。使用了CVAT軟件來進行肉雞深度圖像的標注。為了獲得最佳的分割結(jié)果，標注人員會將肉雞深度圖像進行最大化縮放，然后進行精細的輪廓標注。平均而言，每只雞的輪廓需要大約300～500個標注點，以確保標注的準確性和精細度。

4 結(jié)束語

本文通過深入分析肉雞養(yǎng)殖行業(yè)的現(xiàn)狀和挑戰(zhàn)，探討了如何利用人工智能技術(shù)改進肉雞養(yǎng)殖過程，提高生產(chǎn)效率和降低成本。通過整合物聯(lián)網(wǎng)、大數(shù)據(jù)、自動控制等信息技術(shù)，成功開發(fā)了一種基于人工智能的肉雞智慧養(yǎng)殖信息化服務(wù)平臺，實現(xiàn)了肉雞養(yǎng)殖全程的無人化、智能化、數(shù)字化。本文將人工智能技術(shù)應(yīng)用于肉雞個體識別，飼養(yǎng)安全管理，生物聯(lián)防聯(lián)控，線上遠程診斷等多個階段，有效提高了肉雞飼養(yǎng)的產(chǎn)出、回報和效益。特別是在病死雞監(jiān)控方面，通過引入現(xiàn)代化棚舍、托架設(shè)備和云攝像機等技術(shù)，實現(xiàn)了對病死雞和弱殘雞的快速識別和監(jiān)測，避免了人工巡邏檢查的不足和病死引發(fā)瘟疫的重大損失。肉雞養(yǎng)殖行業(yè)的數(shù)字化轉(zhuǎn)型仍然面臨著許多挑戰(zhàn)。今后，需要進一步完善智慧養(yǎng)殖信息化服務(wù)平臺，提高其在各個環(huán)節(jié)的智能化水平，還需關(guān)注可持續(xù)發(fā)展、生態(tài)環(huán)保等方面的問題，以確保肉雞養(yǎng)殖行業(yè)的長期健康發(fā)展。本文為肉雞養(yǎng)殖行業(yè)的信息化和智能化提供了有力支持，有望為肉雞養(yǎng)殖業(yè)帶來革命性的變革。