陳松楠

（信陽(yáng)農(nóng)林學(xué)院信息工程學(xué)院，河南信陽(yáng) 464000）

圖像識(shí)別技術(shù)對(duì)提升動(dòng)物疫情監(jiān)測(cè)預(yù)警能力的研究
——以東莞市動(dòng)物衛(wèi)生監(jiān)督所為例

陳松楠

（信陽(yáng)農(nóng)林學(xué)院信息工程學(xué)院，河南信陽(yáng) 464000）

遠(yuǎn)程視頻監(jiān)控系統(tǒng)被利用到動(dòng)物疫情監(jiān)測(cè)的領(lǐng)域來(lái)，能夠?qū)λ械囊咔楸O(jiān)控點(diǎn)進(jìn)行監(jiān)測(cè)預(yù)警。但是，長(zhǎng)時(shí)間的人工監(jiān)控也會(huì)使工作人員產(chǎn)生疲勞感，降低工作效率。針對(duì)這樣的情況，文章將從圖像的預(yù)處理、病變區(qū)域的提取和病變區(qū)域的識(shí)別3個(gè)方面闡述如何利用計(jì)算機(jī)圖像學(xué)理論來(lái)提升動(dòng)物疫情監(jiān)測(cè)預(yù)警的能力。

人工觀察 圖像識(shí)別 動(dòng)物疫情 監(jiān)測(cè) 預(yù)警

隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展，人們的生活水平也得到巨大的提升，進(jìn)而對(duì)食品安全的關(guān)注度也越來(lái)越高。俗話說(shuō)“民以食為天”，但是近年來(lái)一些“禽流感”、“口蹄疫”等疫情的爆發(fā)，嚴(yán)重影響了食品的安全，給國(guó)家和人民帶來(lái)了巨大的經(jīng)濟(jì)損失。所以將計(jì)算機(jī)信息技術(shù)應(yīng)用到動(dòng)物疫情的預(yù)防和監(jiān)督管理中變得刻不容緩。

1 廣東省東莞市動(dòng)物疫情監(jiān)測(cè)方法的研究現(xiàn)狀

隨著計(jì)算機(jī)科學(xué)、信息技術(shù)、視頻監(jiān)控等技術(shù)手段的發(fā)展，遠(yuǎn)程視頻監(jiān)控系統(tǒng)被利用到動(dòng)物疫情監(jiān)測(cè)的領(lǐng)域來(lái)。中國(guó)起步比較晚，大約起步于20世紀(jì)80年代，并且得到了快速的發(fā)展[1]。

文章的研究是在廣東省東莞市動(dòng)物衛(wèi)生監(jiān)督所的支持下開(kāi)展的，它是廣東乃至全國(guó)最早開(kāi)始利用科技手段對(duì)動(dòng)物疫情進(jìn)行監(jiān)控的單位，利用遠(yuǎn)程視頻監(jiān)控系統(tǒng)對(duì)東莞市32個(gè)鎮(zhèn)的疫情檢疫進(jìn)行全面覆蓋。當(dāng)前，廣東省東莞市動(dòng)物衛(wèi)生監(jiān)督所的工作人員對(duì)數(shù)據(jù)的存儲(chǔ)方式和查詢方式比較簡(jiǎn)單。首先，分段15 min保存各監(jiān)測(cè)和檢疫環(huán)節(jié)操作的錄像，每30 d為1個(gè)周期進(jìn)行視頻錄像的覆蓋。然后，通過(guò)人工的方式對(duì)保存的視頻錄像或者圖像進(jìn)行抽樣觀察。當(dāng)外來(lái)牲畜或家禽進(jìn)入東莞市各個(gè)鄉(xiāng)鎮(zhèn)的屠宰場(chǎng)時(shí)，監(jiān)控中心的工作人員就要對(duì)進(jìn)入的牲畜或家禽進(jìn)行實(shí)時(shí)的監(jiān)控，一旦發(fā)現(xiàn)牲畜或家禽的體表皮膚有可疑的疫情癥狀發(fā)生時(shí)，就需要趕緊向上級(jí)動(dòng)物疫情監(jiān)管部門(mén)匯報(bào)。最后，由疫情檢驗(yàn)人員通過(guò)生物學(xué)實(shí)驗(yàn)來(lái)最終確定是否為可能的疫情癥狀[2][3]。

2 廣東省東莞市動(dòng)物疫情監(jiān)測(cè)方法存在的問(wèn)題

雖然，該遠(yuǎn)程視頻監(jiān)控系統(tǒng)對(duì)動(dòng)物檢疫人員的工作和動(dòng)物疫情的爆發(fā)有很好的監(jiān)督和預(yù)防作用，但是這種檢測(cè)的方法還是由監(jiān)控人員通過(guò)肉眼對(duì)可能存在的動(dòng)物病變圖像進(jìn)行截圖分析，然后初步判斷是否是某種疫情所具有的病變。這種重復(fù)的體力勞動(dòng)，實(shí)際上的檢測(cè)效率并不是很高，并且也未能實(shí)現(xiàn)對(duì)可疑病變的自動(dòng)化識(shí)別和篩選。對(duì)各個(gè)鎮(zhèn)鄉(xiāng)的屠宰場(chǎng)進(jìn)行疫情監(jiān)控需要大量工作人員，并且大部分時(shí)間里被監(jiān)控的將要被屠宰的動(dòng)物都是健康的，工作人員在大部分的監(jiān)控的時(shí)間里都處于“徒勞”的狀態(tài)，效率比較低。一方面，工作人員沒(méi)有那么多的精力對(duì)高清攝像頭捕捉的圖像進(jìn)行實(shí)時(shí)的觀察和判斷；另一方面，當(dāng)眼睛長(zhǎng)時(shí)間對(duì)視頻進(jìn)行觀察時(shí)，很容易產(chǎn)生視覺(jué)疲勞，忽略一些潛在病情的存在，從而造成疫情的大爆發(fā)。

圖1 廣東省東莞市動(dòng)物疫情監(jiān)測(cè)方法的主要流程

通過(guò)以上的介紹和分析很容易發(fā)現(xiàn)，當(dāng)前動(dòng)物疫情監(jiān)測(cè)的大部分工作還是依靠人工來(lái)完成。由圖1的當(dāng)前廣東省東莞市動(dòng)物疫情監(jiān)測(cè)方法的主要流程可以看出疫情監(jiān)測(cè)效率仍然很低。而且每天存儲(chǔ)的海量視頻和圖像數(shù)據(jù)并沒(méi)有得到充分的運(yùn)用，并且被大量的浪費(fèi)。所以，該文在研究過(guò)程中，利用圖像識(shí)別的方法對(duì)存儲(chǔ)動(dòng)物圖像和疫情信息的視頻進(jìn)行充分的研究和分析，合理地對(duì)這些數(shù)據(jù)進(jìn)行保存和利用，使得這些數(shù)據(jù)能對(duì)疫情的監(jiān)測(cè)和預(yù)警起到關(guān)鍵性的作用。

3 圖像識(shí)別技術(shù)提升動(dòng)物疫情監(jiān)測(cè)預(yù)警能力

針對(duì)當(dāng)前動(dòng)物疫情監(jiān)測(cè)方法存在的問(wèn)題，希望利用計(jì)算機(jī)圖像學(xué)理論對(duì)視頻監(jiān)控系統(tǒng)獲取的圖像視頻信息進(jìn)行處理和識(shí)別，從而能夠24 h對(duì)動(dòng)物疫情進(jìn)行實(shí)時(shí)監(jiān)控，對(duì)患有疑似疫情的動(dòng)物圖像進(jìn)行自動(dòng)篩選和報(bào)警，緩解工作人員的工作量和壓力，并對(duì)后續(xù)的生物學(xué)實(shí)驗(yàn)或基因檢測(cè)提供源，提高動(dòng)物疫情的檢測(cè)效率。改進(jìn)后的監(jiān)測(cè)流程圖如圖2所示。

3.1 動(dòng)物圖像的采集

該文以生豬口蹄疫疫情為例，說(shuō)明動(dòng)物圖像的采集過(guò)程。當(dāng)生豬從外地進(jìn)入東莞市32個(gè)鄉(xiāng)鎮(zhèn)的屠宰場(chǎng)時(shí)，就要對(duì)生豬進(jìn)行實(shí)時(shí)監(jiān)控。該遠(yuǎn)程視頻監(jiān)控系統(tǒng)主要包含4個(gè)部分：鄉(xiāng)鎮(zhèn)屠宰場(chǎng)監(jiān)控室，鄉(xiāng)鎮(zhèn)分所監(jiān)控室，鄉(xiāng)鎮(zhèn)屠宰場(chǎng)前段監(jiān)控點(diǎn)和市動(dòng)監(jiān)所監(jiān)控中心，如圖3所示。

圖2 利用圖像識(shí)別技術(shù)進(jìn)行動(dòng)物疫情監(jiān)測(cè)的主要流程

圖3 遠(yuǎn)程視頻監(jiān)控系統(tǒng)采集圖像

通過(guò)專線將屠宰場(chǎng)的監(jiān)控室、各分所的前端監(jiān)控室、屠宰場(chǎng)前端監(jiān)控點(diǎn)和市動(dòng)物衛(wèi)生監(jiān)督所聯(lián)系在一起，組成1個(gè)專業(yè)的監(jiān)控網(wǎng)絡(luò)。每隔15 min對(duì)監(jiān)控到的視頻圖像進(jìn)行高清度的解析、保存，便于隨時(shí)記錄，抽查。每30 d為1個(gè)周期進(jìn)行視頻的覆蓋。同時(shí)，該遠(yuǎn)程系統(tǒng)的前端攝像頭能270°旋轉(zhuǎn)，在必要的時(shí)候，能拉近鏡頭，使得能清晰地觀察到生豬體表的病變特征。當(dāng)發(fā)現(xiàn)問(wèn)題時(shí)，由市動(dòng)監(jiān)所的監(jiān)控中心，統(tǒng)一下發(fā)命令，統(tǒng)一對(duì)可能的情況進(jìn)行及時(shí)地處理和安排。

3.2 動(dòng)物圖像的識(shí)別

采集高清的動(dòng)物圖像后，就需要利用計(jì)算機(jī)圖像識(shí)別理論，對(duì)可疑的疫情進(jìn)行識(shí)別，并發(fā)出預(yù)警信號(hào)。以口蹄疫疫情為例，生豬口蹄部位的圖像識(shí)別流程如圖4所示。

由圖4不難發(fā)現(xiàn)，動(dòng)物圖像的識(shí)別過(guò)程主要由線下計(jì)算和線上計(jì)算兩大部分組成。線下計(jì)算主要是建立病變的特征庫(kù)，通過(guò)對(duì)特征庫(kù)里存儲(chǔ)的樣本特征進(jìn)行訓(xùn)練從而得到效果較好的分類器，使得能更準(zhǔn)確，更有效地對(duì)疫情進(jìn)行識(shí)別。由于樣本特征的積累是一個(gè)長(zhǎng)期的過(guò)程，且隨著樣本庫(kù)特征數(shù)量的增加，分類器的訓(xùn)練時(shí)間也會(huì)越來(lái)越長(zhǎng)，所以，對(duì)于線下計(jì)算來(lái)說(shuō)，并不需要在處理數(shù)據(jù)時(shí)滿足系統(tǒng)的實(shí)時(shí)性；線上計(jì)算主要負(fù)責(zé)對(duì)監(jiān)控視頻中獲取的圖像進(jìn)行特征提取，通過(guò)疫情識(shí)別器對(duì)提取的特征進(jìn)行判斷，從而根據(jù)一定的閾值來(lái)決定是否發(fā)出疫情預(yù)警的信號(hào)，該部分需要實(shí)時(shí)的對(duì)傳過(guò)來(lái)的數(shù)據(jù)進(jìn)行處理，對(duì)算法的執(zhí)行時(shí)間要求較高。

通過(guò)對(duì)線上計(jì)算和線下計(jì)算的功能進(jìn)行分析和研究，又將線上計(jì)算和線下計(jì)算進(jìn)行了進(jìn)一步的細(xì)分，線上計(jì)算主要包括：視頻幀的提取及預(yù)處理、病變區(qū)域的提取、病變區(qū)域特征值的提??；線下計(jì)算主要包括：病變區(qū)域的顏色特征庫(kù)建立、病變識(shí)別分類器的設(shè)計(jì)。

3.2.1 圖像幀的預(yù)處理

首先，監(jiān)控人員將通過(guò)監(jiān)控視頻獲得的或者人工“截取”的圖像傳送到圖像幀預(yù)處模塊中。系統(tǒng)就會(huì)自動(dòng)的對(duì)視頻的每一幀或者“截取”的圖像，從上到下，從左到右進(jìn)行濾波處理，使得圖像本身避免噪聲的“污染”，為后續(xù)的分割降低干擾。廣東工業(yè)大學(xué)的巫桂梅提出了一種基于離散小波變換算法，對(duì)視頻圖像進(jìn)行去噪處理[4]，最大限度地提高傳輸圖像的清晰度；重慶大學(xué)龍紅梅提出了一種基于運(yùn)動(dòng)估計(jì)的視頻圖像3D（時(shí)空聯(lián)合）降噪算法，既可以有效地抑制視頻圖像中的噪聲，又能較好的保護(hù)好圖像的細(xì)節(jié)[5]。

3.2.2 圖像幀的前景提取

圖像經(jīng)過(guò)預(yù)處理后，噪聲對(duì)其的影響已經(jīng)降到了最低，這時(shí)需要將動(dòng)物的病變部位，從圖像中分離出來(lái)，從而降低背景圖像的干擾，病變部位提取的流程如圖5所示。

由于該監(jiān)測(cè)系統(tǒng)要滿足監(jiān)測(cè)的自動(dòng)性，所以在前景圖像的提取過(guò)程中，需要利用迭代算法動(dòng)態(tài)的變換閾值，從而盡可能地將監(jiān)控的部位從圖像中提取出來(lái)。湖南大學(xué)的盛先提出了一種基于人眼檢測(cè)的視頻前景自動(dòng)提取算法，來(lái)取代傳統(tǒng)的手工交互式獲取視頻圖像的前景[6]。覃曉等人提出了模擬退火優(yōu)化的閾值圖像分割算法（Ostusa），極大提高了前景圖像的提取效率[7]。

但是，由于閾值的動(dòng)態(tài)變化中會(huì)使圖像產(chǎn)生一些微小的區(qū)域或者“毛刺”點(diǎn)，這些區(qū)域可能含有重要的疫情信息，所以在情景提取的過(guò)程中，也要對(duì)這些“毛刺”點(diǎn)進(jìn)行修補(bǔ)或者平滑操作，使得提取的前景區(qū)域盡可能包含全部的疫情信息。刁智華等人對(duì)數(shù)學(xué)形態(tài)學(xué)的分類及其在病害圖像中的分割進(jìn)行了詳細(xì)的闡述[8]，并能很好地解決“毛刺”點(diǎn)問(wèn)題。

圖5 圖像前景提取流程

3.2.3 圖像幀中病變區(qū)域的提取

當(dāng)利用圖像前景提取方法將患病部位與圖像的背景區(qū)分開(kāi)后，就需要對(duì)目標(biāo)區(qū)域——疫情病變區(qū)域進(jìn)行精確提取，為后面的顏色特征提取做準(zhǔn)備。病變區(qū)域的提取流程如圖6所示。

圖6 病變區(qū)域提取流程

由于一開(kāi)始對(duì)圖像的操作都是在RGB顏色空間中進(jìn)行的，在前面章節(jié)也分析了RGB顏色空間雖然有很好地識(shí)別度也符合人眼的觀察，但是該顏色空間的圖像受光照的影響較大，這會(huì)給口蹄疫病變區(qū)域的分割帶來(lái)極大的干擾。所以需要將將前景圖像的顏色空間進(jìn)行了轉(zhuǎn)換，并對(duì)轉(zhuǎn)換的顏色空間進(jìn)行了重新量化，通過(guò)對(duì)某一顏色通道的提取，設(shè)定合適的閾值對(duì)病變區(qū)域進(jìn)行了精確的分割。龐曉敏等人提出了基于HSI和LAB顏色空間的彩色圖像分割方法[9]?；约t等人提出了多顏色空間中，玉米葉部病害圖像圖論分割方法[10]，對(duì)葉部病害區(qū)域進(jìn)行提取。

3.2.4 圖像幀中病變類型的識(shí)別

當(dāng)提取到病變區(qū)域后，就需要對(duì)病變類型進(jìn)行識(shí)別和做出預(yù)警。目前，比較常用的方法，就是利用支持向量機(jī)算法，對(duì)病變類型的顯著特征進(jìn)行訓(xùn)練，從而設(shè)置合適的分類器，對(duì)某一類疫情進(jìn)行識(shí)別。

支持向量機(jī)（SVM）算法的主要思想是：首先，將訓(xùn)練樣本的特征信息由低維空間通過(guò)一定的函數(shù)映射到高維的特征空間中，使得這些數(shù)據(jù)集在高維的特征空間能夠被線性可分。然后，在特征空間中建立一個(gè)最大間隔的最優(yōu)分離平面，使得該分離平面能夠?qū)⒉煌奶卣骷耆姆蛛x開(kāi)來(lái)。由上述的分析不難看出支持向量機(jī)算法必須要解決2個(gè)問(wèn)題：（1）核函數(shù)的選擇，用來(lái)將非線性的數(shù)據(jù)集映射到高維空間使之成為一個(gè)線性可分的數(shù)據(jù)集;（2）如何在高維的空間中求出一個(gè)最優(yōu)的分離平面，將所有的樣本能夠準(zhǔn)確的分離開(kāi)來(lái)。李美清等人利用支持向量機(jī)算法對(duì)多光譜番茄磷營(yíng)養(yǎng)進(jìn)行診斷[11]；李冠林等人利用支持向量機(jī)的理論對(duì)小麥條銹病和葉銹病進(jìn)行識(shí)別{12}。

所以，可以利用支持向量機(jī)理論設(shè)計(jì)出口蹄疫、豬丹毒等常見(jiàn)的動(dòng)物體表病變識(shí)別器，來(lái)對(duì)動(dòng)物疫情的監(jiān)測(cè)做出預(yù)警。

4 結(jié)語(yǔ)

隨著科學(xué)技術(shù)的發(fā)展，圖像識(shí)別技術(shù)在農(nóng)業(yè)的應(yīng)用范圍越來(lái)越廣泛，研究的人員也越來(lái)越多，但是在動(dòng)物疫情監(jiān)控領(lǐng)域的研究還不是很多。該文以廣東省東莞市動(dòng)物衛(wèi)生監(jiān)督所為例，希望利用圖像識(shí)別技術(shù)來(lái)解決人工監(jiān)控的缺點(diǎn)，從而顯著地提升動(dòng)物疫情監(jiān)測(cè)預(yù)警能力，實(shí)現(xiàn)對(duì)畜禽產(chǎn)品安全工作的有效監(jiān)管。

[1] 陳軍，王昌建，張朝陽(yáng)．動(dòng)物疫情預(yù)測(cè)方法的研究．中國(guó)動(dòng)物檢疫，2010，27（12）：74～76

[2] 羅衛(wèi)強(qiáng)，王永，李小軍，等．東莞市建設(shè)動(dòng)物衛(wèi)生遠(yuǎn)程視頻監(jiān)控系統(tǒng)探討．廣東農(nóng)業(yè)科學(xué)，2011，38（3）：219～220

[3] 羅衛(wèi)強(qiáng)．東莞市生豬質(zhì)量安全追溯關(guān)鍵技術(shù)研究及集成應(yīng)用．南京農(nóng)業(yè)大學(xué)，2013

[4] 巫桂梅．遠(yuǎn)程網(wǎng)絡(luò)視頻教育動(dòng)態(tài)圖像清晰化方法研究．計(jì)算機(jī)仿真，2012，29（11）：391～394

[5] 龍紅梅．視頻圖像降噪算法研究．重慶大學(xué)，2009

[6] 盛先．基于人眼檢測(cè)的視頻前景自動(dòng)提取算法研究．湖南大學(xué)，2012

[7] 覃曉，元昌安，鄧育林，等．一種改進(jìn)的Ostu圖像分割法．山西大學(xué)學(xué)報(bào)：自然科學(xué)版，2013，36（4）：530～534

[8] 刁智華，趙春江，吳剛，等．?dāng)?shù)學(xué)形態(tài)學(xué)在作物病害圖像處理中的應(yīng)用研究．農(nóng)機(jī)化研究，2010，15（2）：194～199

[9] 龐曉敏，閔子建，闞江明．基于HSI和LAB顏色空間的彩色圖像分割．廣西大學(xué)學(xué)報(bào)：自然科學(xué)版，2011，36（6）：976～980

[10] 虎曉紅，李炳軍，劉芳．多顏色空間中玉米葉部病害圖像圖論分割方法．農(nóng)業(yè)機(jī)械學(xué)報(bào)，2013，44（2）：177～181

[11] 李美清，李晉陽(yáng)，毛罕平．基于支持向量機(jī)的多光譜番茄磷營(yíng)養(yǎng)診斷．農(nóng)業(yè)機(jī)械學(xué)報(bào)，2016（3）：1～7

[12] 李冠林，馬占鴻，王海光．基于支持向量機(jī)的小麥條銹病和葉銹病圖像識(shí)別．中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2012，17（2）：72～79