李 沛 陸輝山 趙守耀 王福杰

(中北大學(xué) 機(jī)械工程學(xué)院，太原 030051)

蛋雞養(yǎng)殖業(yè)在我國(guó)畜牧業(yè)發(fā)展中占有重要地位。隨著現(xiàn)代養(yǎng)殖技術(shù)的不斷發(fā)展，養(yǎng)殖業(yè)越來(lái)越趨向于規(guī)?；?、機(jī)械化和智能化[1]?？焖佟⒕珳?zhǔn)的感知和分析蛋雞的健康狀況，提高蛋雞的生產(chǎn)性能，達(dá)到健康福利的養(yǎng)殖目的已成為養(yǎng)殖企業(yè)以及整個(gè)養(yǎng)殖行業(yè)的迫切需要[2]。

近年來(lái)，關(guān)于蛋雞溫度檢測(cè)的相關(guān)研究已經(jīng)取得了很大的進(jìn)展。接觸式測(cè)溫采用佩戴傳感器的方式，將溫度傳感器穿戴在雞體的某些特定部位，實(shí)時(shí)采集雞體溫度[3-5]；為了減小硬件體積，利用熱敏電阻體型小的特性進(jìn)行測(cè)溫[6]，該測(cè)溫方法由于硬件需要供電，無(wú)法在長(zhǎng)時(shí)間觀測(cè)中使用，同時(shí)雞舍環(huán)境復(fù)雜，設(shè)備容易受潮失靈、掉落，而且易讓雞只產(chǎn)生應(yīng)激反應(yīng)，不符合福利養(yǎng)殖的需求。非接觸式測(cè)溫采用紅外熱成像和數(shù)字圖像處理技術(shù)進(jìn)行測(cè)溫[7]，利用卷積神經(jīng)網(wǎng)絡(luò)提取特征部位溫度，再用BP神經(jīng)網(wǎng)絡(luò)反演模型預(yù)測(cè)蛋雞真實(shí)溫度[8]，這種方法由于雞只小羽毛多，特征不明顯，需要大量的特征圖片喂入神經(jīng)網(wǎng)絡(luò)[9]，標(biāo)記繁瑣，且模型復(fù)雜。

溫度是生命體的一個(gè)重要生理特征，蛋雞屬于恒溫動(dòng)物，當(dāng)發(fā)生應(yīng)激反應(yīng)或者在生病的情況下，雞體體溫會(huì)發(fā)生相應(yīng)的變化，因此，可以根據(jù)蛋雞的溫度變化來(lái)判斷其健康狀況[10]。在養(yǎng)殖場(chǎng)中發(fā)現(xiàn)傳統(tǒng)的測(cè)溫方式還是依賴人工檢測(cè)，主要是測(cè)量蛋雞的直腸溫度，有經(jīng)驗(yàn)的工人可以通過(guò)觸摸蛋雞翼下和胸部去判斷溫度，這樣的方式不僅費(fèi)時(shí)費(fèi)力，主觀性強(qiáng)，而且容易讓蛋雞產(chǎn)生應(yīng)激反應(yīng)，不符合福利養(yǎng)殖的需求[11]。紅外熱成像技術(shù)屬于非接觸式測(cè)溫，測(cè)溫方式溫和，不會(huì)讓蛋雞產(chǎn)生應(yīng)激反應(yīng)，而且具有精度高，范圍廣，測(cè)溫迅速的優(yōu)點(diǎn)[12]，適合大型養(yǎng)殖應(yīng)用[13]。目前，紅外熱成像技術(shù)在畜牧業(yè)上的應(yīng)用廣泛，大多用于畜禽的病理特征檢測(cè)[14-20]，但此類畜禽多呈現(xiàn)羽毛少、體型大的特點(diǎn)，使得紅外特征明顯；而對(duì)于蛋雞這種家禽來(lái)說(shuō)，剛好相反，其具有體型小、羽毛覆蓋面積大的特征，導(dǎo)致特征部位不明顯，紅外測(cè)溫會(huì)受到一定的影響，同時(shí)還會(huì)受到周圍環(huán)境的影響，育成期蛋雞尤為明顯，測(cè)量存在一定的困難。

本研究擬以育成期蛋雞為研究對(duì)象，分析影響蛋雞溫度的各種因素，并探究雞體體表溫度和真實(shí)溫度的變化規(guī)律，建立兩者之間的溫度預(yù)測(cè)模型，以期為蛋雞紅外溫度反應(yīng)真實(shí)溫度提供依據(jù)。

1 材料與方法

1.1 試驗(yàn)動(dòng)物及飼養(yǎng)環(huán)境

試驗(yàn)于2020-07-10在山西省大同市靈丘縣匯鑫養(yǎng)殖有限公司進(jìn)行。隨機(jī)從雞舍內(nèi)挑選20只70日齡健康無(wú)異常的綠殼蛋雞作為試驗(yàn)樣本。將20只樣本從1，2，…，20編號(hào)且隨機(jī)均分為4組，分別放置在4個(gè)相同的雞籠內(nèi)飼養(yǎng)，且料槽中飲水和喂食都不受限制；4組樣本均處于環(huán)境溫度為17～30 ℃，相對(duì)濕度20%～90%的露天環(huán)境中。

1.2 試驗(yàn)儀器

SAT-G95型紅外熱像儀及指定分析軟件SatlrReport，測(cè)溫范圍為-20～600 ℃，精度為±2 ℃，分辨率為384像素×288像素。HRQ-A1型獸用體溫計(jì)，測(cè)溫范圍為35～43 ℃，示值誤差為±0.2 ℃。G2080B型溫濕度計(jì)，溫度測(cè)量范圍為-20～40 ℃，測(cè)量精度±1 ℃；濕度測(cè)量范圍為10%～90%，測(cè)量精度±5%。

1.3 數(shù)據(jù)采集

試驗(yàn)時(shí)間為8:00—18:00，每隔1 h測(cè)量1次雞體體表溫度和翼下溫度，連續(xù)采集10 d，共有2 200組數(shù)據(jù)。每次測(cè)溫時(shí)都將紅外熱像儀固定在雞籠前1 m處，并且將輻射率設(shè)定為0.95，同時(shí)調(diào)好環(huán)境溫度和濕度參數(shù)，待蛋雞沒(méi)有出現(xiàn)應(yīng)激反應(yīng)時(shí)，拍攝5張雞體側(cè)面紅外圖像，便于讀取蛋雞特征區(qū)域的體表溫度；為了減少誤差，使用獸用體溫計(jì)測(cè)量雞體翼下溫度時(shí)，每次測(cè)量5次取平均值；將溫濕度計(jì)放置在雞籠和紅外熱像儀之間，記錄每一時(shí)刻對(duì)應(yīng)的環(huán)境溫度和相對(duì)濕度。

1.4 蛋雞體表特征區(qū)域選擇與分析

使用紅外熱像儀拍攝的蛋雞紅外熱圖像見圖1?？梢钥闯觯善诘半u體表區(qū)域和周圍背景區(qū)域顯示出2種不同的顏色，蛋雞體表溫度明顯高于環(huán)境溫度(圖1(a))。由于試驗(yàn)在露天環(huán)境中進(jìn)行，蛋雞雞體與環(huán)境直接接觸，故本試驗(yàn)將蛋雞身體分為雞頭區(qū)域(J)、羽毛區(qū)域(Y)和腿部區(qū)域(T)3個(gè)特征區(qū)域，并取雞體3個(gè)特征區(qū)域?qū)?yīng)的最高溫度作為相應(yīng)特征區(qū)域的體表溫度。育成期蛋雞的羽毛沒(méi)有發(fā)育完全，不能阻止熱輻射，而且會(huì)有部分翼下和胸部區(qū)域直接裸露出來(lái)(圖1(b))，會(huì)對(duì)真實(shí)溫度的判斷產(chǎn)生一定的影響；同時(shí)，Y區(qū)域體表溫度會(huì)隨著環(huán)境溫度的變化發(fā)生大幅度的改變，不能作為預(yù)測(cè)真實(shí)溫度的條件。

圖1 不同溫度下育成期蛋雞雞體特征區(qū)域熱分布狀況Fig.1 Heat distribution in characteristic regions of layers at different temperatures

1.5 蛋雞數(shù)據(jù)處理方法

試驗(yàn)共采集6類數(shù)據(jù)，分別為環(huán)境溫濕度、翼下溫度、J、Y和T區(qū)域的體表溫度。分析各變量之間的相關(guān)性及相關(guān)系數(shù)，探究影響翼下溫度的變量，進(jìn)行多元回歸分析，建立蛋雞翼下溫度最優(yōu)預(yù)測(cè)模型。然后，隨機(jī)選取5 d蛋雞溫度數(shù)據(jù)(1 100組)作為訓(xùn)練組，其余5 d數(shù)據(jù)(1 100組)作為測(cè)試組，對(duì)模型進(jìn)行訓(xùn)練和驗(yàn)證。

2 結(jié)果與分析

2.1 翼下溫度分析

試驗(yàn)期間20只蛋雞樣本翼下溫度和雞體特征區(qū)域溫度及環(huán)境溫濕度的平均值見表1。在8:00—18:00期間，環(huán)境溫度的最大溫差為4.6 ℃，相對(duì)濕度的最大差值為14.4%，J、Y和T區(qū)域的最大溫差分別為1.9、6.8和2.3 ℃，翼下溫度的浮動(dòng)范圍為0～0.18 ℃。試驗(yàn)是在真實(shí)的散養(yǎng)養(yǎng)殖環(huán)境下進(jìn)行的，而且試驗(yàn)期間處于雨季，天氣反復(fù)變化會(huì)對(duì)蛋雞溫度有一定的影響。

表1 不同時(shí)刻雞體翼下溫度和特征區(qū)域溫度及環(huán)境溫濕度的平均值Table 1 Average values of temperature under wing, temperature in characteristic area and ambient temperature and humidity at different times

2.2 數(shù)據(jù)統(tǒng)計(jì)與分析

試驗(yàn)數(shù)據(jù)整理后共有1 650組有效蛋雞溫度數(shù)據(jù)。雞體翼下溫度、特征區(qū)域體表溫度和環(huán)境溫濕度的變化曲線見圖2:雞體3個(gè)特征區(qū)域的溫度都隨環(huán)境溫度的變化有明顯的浮動(dòng)，而蛋雞翼下溫度隨著環(huán)境溫濕度的升高或降低變化較為平穩(wěn)，影響可以忽略。已有研究表明，在溫度>35 ℃、濕度>85%的環(huán)境中，相對(duì)濕度對(duì)蛋雞溫度有顯著影響[21]，因此在整個(gè)試驗(yàn)的過(guò)程中可以忽略相對(duì)濕度對(duì)蛋雞溫度的影響。

2.3 環(huán)境溫度與各區(qū)域溫度的相關(guān)性分析

環(huán)境溫度和特征區(qū)域體表溫度、翼下溫度的相關(guān)性分析見表2。在顯著性為0.05的校驗(yàn)水平下，環(huán)境溫度與J區(qū)域溫度的P值均>0.05；與Y區(qū)域溫度的P值均<0.05；與T區(qū)域溫度有80%的P值>0.05；與翼下溫度的P值均>0.05。在顯著性為0.01的校驗(yàn)水平下，環(huán)境溫度與J區(qū)域溫度的P值均>0.01；與Y區(qū)域溫度有80%的P值<0.01；與T區(qū)域溫度的P值均>0.01；與翼下溫度的P值均>0.01。綜上所述，環(huán)境溫度與Y區(qū)域溫度顯著相關(guān)，與其他區(qū)域不相關(guān)，表明環(huán)境溫度對(duì)Y區(qū)域溫度影響較大，存在共線性問(wèn)題，故選擇J、T區(qū)域溫度和環(huán)境溫度作為預(yù)測(cè)模型的自變量，從而也驗(yàn)證了本文1.4的分析。

圖2 雞體特征區(qū)域和翼下溫度隨環(huán)境溫濕度的變化Fig.2 Variation trend of chicken body characteristic areaand under-wing temperature with environmentaltemperature and humidity

表2 環(huán)境溫度與J、Y、T區(qū)域及翼下溫度的相關(guān)性分析Table 2 Correlation analysis of ambient temperature and J, Y, T and the temperature of the under-wing area

表2(續(xù))

2.4 多元線性回歸溫度預(yù)測(cè)模型

在多元線性回歸分析中，可以通過(guò)模型的可決系數(shù)R2與P值判斷模型的擬合程度和相關(guān)性，R2越大，說(shuō)明模型的擬合效果越好，預(yù)測(cè)值的結(jié)果越接近真實(shí)值。為消除自變量之間的多重共線性，引入了逐步回歸法分析，得到3種線性回歸模型，結(jié)果見表3。這3種模型的P值都為0，達(dá)到了顯著相關(guān)的水平(P<0.01)，說(shuō)明3種模型中的自變量與翼下溫度相關(guān)，而且模型3的R2最大，說(shuō)明模型3相較于模型1、2擬合度最好，效果最優(yōu)。進(jìn)一步分析模型3得到該模型方程的系數(shù)見表4，其中常量、環(huán)境溫度、T和J區(qū)域溫度都符合統(tǒng)計(jì)學(xué)自變量對(duì)因變量顯著性的要求(P<0.01或P<0.05)；且3個(gè)自變量的方差膨脹系數(shù)(VIF)均滿足要求(VIF<5)，表明自變量之間不存在多重共線性。綜上，模型3滿足多元線性回歸分析的要求。

表3 模型信息匯總Table 3 Summary of model information

根據(jù)表4回歸系數(shù)得到模型3的多元線性回歸模型方程為：

(1)

為了比較預(yù)測(cè)溫度和實(shí)測(cè)溫度之間的差異，從測(cè)試組里隨機(jī)選出50組數(shù)據(jù)對(duì)模型進(jìn)行驗(yàn)證，結(jié)果見圖3，預(yù)測(cè)值與實(shí)測(cè)值的最大溫差為0.40 ℃，相對(duì)誤差的平均值為0.38%。

表4 模型3回歸系數(shù)及顯著性和方差膨脹系數(shù)分析Table 4 Regression coefficient, significance and variance expansion coefficient analysis of model 3

2.5 多元非線性回歸溫度預(yù)測(cè)模型

在線性回歸分析中，模型的R2較低，這是由于個(gè)別數(shù)據(jù)強(qiáng)行進(jìn)行線性擬合導(dǎo)致的。進(jìn)一步分析試驗(yàn)數(shù)據(jù)，將環(huán)境溫度、J和T區(qū)域溫度(自變量)與翼下溫度(因變量)分別進(jìn)行曲線擬合，發(fā)現(xiàn)自變量與因變量在二次方時(shí)，R2最大，擬合效果最優(yōu)。按照?qǐng)D4流程建立多元非線性回歸預(yù)測(cè)模型。

由以上分析將非線性模型函數(shù)預(yù)設(shè)為：

(2)

圖4 建模流程圖Fig.4 Modeling flow chart

模型函數(shù)在迭代計(jì)算結(jié)束之后停止，其連續(xù)殘差平方和的減小量達(dá)到了要求，R2=0.851，修正后模型方程系數(shù)估計(jì)值見表5，得出模型方程為：

(3)

在測(cè)試組里選取50組數(shù)據(jù)對(duì)模型函數(shù)進(jìn)行誤差驗(yàn)證結(jié)果見圖5，預(yù)測(cè)值和實(shí)測(cè)值的最大溫度差為0.18 ℃，相對(duì)誤差平均值為0.17%。

表5 非線性模型方程系數(shù)估算值Table 5 Estimated coefficients of nonlinear model equation

圖5 非線性模型測(cè)試組溫度預(yù)測(cè)值與實(shí)測(cè)值對(duì)比Fig.5 Comparison of predicted and measuredvalues of nonlinear model test group

2.6 線性與非線性模型對(duì)比分析

由式(1)和(3)可知，線性回歸模型方程的R2=0.651，非線性回歸模型方程的R2=0.851，表明多元非線性回歸模型擬合效果更優(yōu)；由圖5可知，預(yù)測(cè)值和實(shí)測(cè)值的重合點(diǎn)多，且上下浮動(dòng)范圍小，表明非線性模型優(yōu)于線性模型；從測(cè)試組驗(yàn)證結(jié)果看，在線性和非線性預(yù)測(cè)模型下，預(yù)測(cè)值與實(shí)測(cè)值的最大溫差、平均相對(duì)誤差分別為0.40 ℃、0.38%和0.18 ℃、0.17%，非線性模型的誤差為線性模型的一半。

3 結(jié) 論

1)育成期蛋雞羽毛區(qū)域溫度與環(huán)境溫度存在共線性問(wèn)題。這是由于蛋雞在育成期時(shí)羽毛區(qū)域發(fā)育不完全，不能阻止熱輻射，使翼下溫度影響到羽毛區(qū)域溫度造成的，同時(shí)羽毛區(qū)域溫度會(huì)隨著環(huán)境溫度的變化而變化。所以，育成期蛋雞羽毛區(qū)域體表溫度與翼下溫度和環(huán)境溫度之間的關(guān)系需要進(jìn)一步研究。

2)多元線性和非線性回歸預(yù)測(cè)模型的平均相對(duì)誤差分別為0.38%和0.17%，在一定程度上兩者結(jié)果都達(dá)到了要求，對(duì)比表明非線性預(yù)測(cè)模型結(jié)果更加準(zhǔn)確，擬合效果更優(yōu)。