基于熱紅外圖像的奶牛乳區(qū)溫度分布與乳房炎識(shí)別方法

郭艷嬌，楊圣慧，遲 宇，吳聰明，許紅巖，沈建忠，鄭永軍,4※

（1. 中國(guó)農(nóng)業(yè)大學(xué)工學(xué)院，北京 100083；2. 中國(guó)農(nóng)業(yè)大學(xué)動(dòng)物醫(yī)學(xué)院，動(dòng)物源食品安全檢測(cè)技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室，北京 100193；3. 內(nèi)蒙古伊利實(shí)業(yè)集團(tuán)股份有限公司，呼和浩特 010110；4. 現(xiàn)代農(nóng)業(yè)裝備與設(shè)施教育部工程研究中心，北京 100083）

0 引 言

奶牛乳房炎是由多種病原微生物侵襲乳腺組織而引發(fā)的炎癥，是影響奶牛健康的三大疾病之首，直接影響奶質(zhì)和產(chǎn)奶量，甚至危及奶牛生命。因此，實(shí)時(shí)監(jiān)測(cè)、及時(shí)準(zhǔn)確識(shí)別奶牛乳房健康情況，對(duì)于奶牛乳房炎防治和降低養(yǎng)殖戶經(jīng)濟(jì)損失有實(shí)際意義。

加州乳房炎檢測(cè)（California Mastitis Test，CMT）法、體細(xì)胞計(jì)數(shù)（Somatic Cell Count，SCC）法、乳汁pH法、乳汁電導(dǎo)率（Electric Conductivity，EC）法等是檢測(cè)奶牛乳房炎常用的生化試驗(yàn)方法，需經(jīng)歷牛奶取樣、實(shí)驗(yàn)室檢測(cè)分析等繁瑣過程，檢測(cè)周期長(zhǎng)，結(jié)果滯后。通過生產(chǎn)實(shí)踐與臨床診斷表明，奶?；加腥榉垦讜r(shí)，其患病部位的溫度會(huì)升高。紅外熱成像（Infrared Thermography，IRT）作為一種快速、直觀、準(zhǔn)確的非接觸測(cè)溫技術(shù)，可測(cè)量物體表面溫度場(chǎng)，目前已有乳房炎檢測(cè)的應(yīng)用研究。

Metzner等對(duì)奶牛熱紅外圖像采用手動(dòng)標(biāo)記法定位乳房區(qū)域，自動(dòng)化水平低，經(jīng)濟(jì)成本高，難以實(shí)現(xiàn)奶牛乳房炎的快速檢測(cè)。此外，Polat等選擇在擠奶前測(cè)定奶牛乳區(qū)皮膚溫度，而Berry 等選擇擠奶結(jié)束后測(cè)定乳區(qū)皮膚溫度，并未確定溫度測(cè)定的最佳時(shí)間。楊春合等通過對(duì)比左右乳房的溫差檢測(cè)奶牛乳房炎，可初步判斷溫度升高一側(cè)發(fā)生隱性乳房炎，但雙側(cè)乳房同時(shí)患病時(shí)無(wú)法檢測(cè)；Sathiyabarathi等、張旭東等主要探討了奶牛眼睛與乳房區(qū)域的識(shí)別方法，通過獲取單側(cè)的對(duì)應(yīng)區(qū)域溫度，對(duì)比眼睛與乳房表面的溫差來(lái)檢測(cè)乳房炎，其溫度采集過程復(fù)雜，且不能對(duì)左右乳區(qū)健康情況同時(shí)分析。

本文通過熱紅外圖像分析擠奶操作前后的健康狀況和患病奶牛乳區(qū)溫度，確定識(shí)別乳房炎的數(shù)據(jù)最佳采集時(shí)間，采用線剖法實(shí)現(xiàn)奶牛左右乳區(qū)乳房炎自動(dòng)識(shí)別，為快速在線識(shí)別奶牛乳房炎提供了有效的技術(shù)手段。

1 數(shù)據(jù)采集

1.1 采集環(huán)境

2021年4月中旬，在內(nèi)蒙古自治區(qū)呼和浩特市某奶牛養(yǎng)殖廠1和養(yǎng)殖廠2的擠奶廳分別進(jìn)行數(shù)據(jù)采集。健康與患病奶牛的擠奶廳與設(shè)備分區(qū)隔離，健康奶牛在擠奶廳1中采用轉(zhuǎn)盤式擠奶機(jī)（圖 1a）擠奶，患病奶牛在擠奶廳2中采用并列式擠奶機(jī)（圖1b）擠奶，環(huán)境溫度為9～15 ℃，相對(duì)濕度范圍為20%～40%。

圖1 擠奶機(jī)類型 Fig.1 Milking machine type

1.2 采集對(duì)象

采用CMT對(duì)189頭泌乳期荷斯坦奶牛進(jìn)行檢測(cè)，其中健康142頭，患乳房炎47頭；奶牛每天均擠奶4次，分別在上午9:00—11:30與下午13:30—17:00這兩次擠奶過程中進(jìn)行數(shù)據(jù)采集。

1.3 采集設(shè)備與方案

試驗(yàn)選用Fotric-625c紅外熱像儀（中國(guó)）為圖像采集設(shè)備，其具體參數(shù)如下：波長(zhǎng)范圍為7.5～14m，探測(cè)器類型為焦平面陣列，圖像分辨率為320×240像素，溫度測(cè)量范圍為-20 ～150 ℃，熱靈敏度<50mK。該設(shè)備通過HTTP協(xié)議與計(jì)算機(jī)（windows10系統(tǒng)）通信，實(shí)現(xiàn)控制命令、圖像、視頻流和全輻射溫度數(shù)據(jù)的傳輸。

由于采集場(chǎng)地的局限性，難以采集奶牛前乳區(qū)的熱紅外圖像，故僅對(duì)后乳區(qū)圖像進(jìn)行采集。采集過程如圖2所示，紅外熱像儀垂直放置在后乳區(qū)2 m處，使后乳區(qū)充滿拍攝視場(chǎng)。當(dāng)奶牛進(jìn)入擠奶臺(tái)和到達(dá)擠奶臺(tái)出口時(shí)，分別采集擠奶前后的奶牛后乳區(qū)視頻。

圖2 奶牛熱紅外圖像采集示意圖 Fig.2 Schematic diagram of cow thermal infrared image collection

1.4 熱紅外圖像與溫度數(shù)據(jù)提取

采集的奶牛后乳區(qū)熱紅外視頻以“.IRS”格式存儲(chǔ)，幀速率為每秒20幀（fps）。通過圖像分析軟件AnalyzIR導(dǎo)出320×240像素的熱紅外圖像和320列×240行的溫度數(shù)據(jù)表，像素與溫度數(shù)據(jù)一一對(duì)應(yīng)，分別以“.bmp”和“.csv”的格式存儲(chǔ)。

2 最佳數(shù)據(jù)采集時(shí)間的確定

目前并未有確定采集奶牛乳區(qū)溫度的最佳時(shí)間的方法。為了更好地識(shí)別奶牛乳房炎，對(duì)擠奶前與擠奶后的乳區(qū)溫度變化進(jìn)行分析，確定數(shù)據(jù)采集的最佳時(shí)間。

2.1 特征區(qū)域溫度獲取方法

按解剖結(jié)構(gòu)，左右后乳區(qū)各分為乳頭池、乳腺池以及乳腺3部分，如圖3a所示。由于乳頭藥浴、欄桿遮擋等因素，導(dǎo)致乳頭池溫度降低或難以測(cè)量，因此以奶牛后乳區(qū)的乳腺區(qū)和乳腺池區(qū)為特征區(qū)域，研究其溫度分布。為獲取奶牛乳腺區(qū)與乳腺池區(qū)的溫度，使用熱紅外圖像處理軟件AnalyzIR的區(qū)域溫度測(cè)量功能，在乳腺池區(qū)使用圓形工具繪制橢圓，如圖3b中的Ar1、Ar2所示；在乳腺區(qū)使用矩形工具，找出乳腺組織的最大矩形，如圖3b中的Ar3、Ar4所示。分別記錄Ar1～Ar4區(qū)域內(nèi)的平均溫度、最高溫度和最低溫度。

圖3 奶牛特征區(qū)域的確定與溫度獲取 Fig.3 Determination and temperature acquisition of cow characteristic areas

2.2 擠奶前后溫度對(duì)比分析方法

采集健康與患病奶牛擠奶前后的熱紅外圖像，處理得到特征區(qū)域的平均溫度、最高溫度和最低溫度；分別使用公式（1）、（2）計(jì)算健康、患病奶牛擠奶前后溫度均值的差值、；使用Origin 2018對(duì)采集的溫度數(shù)據(jù)進(jìn)行單因素方差分析，判別擠奶操作對(duì)特征區(qū)域的溫度影響。由于樣本量均大于30，故采用檢驗(yàn)，顯著性水平為0.05。

式中為健康奶牛在擠奶前后溫度均值的差值，℃；為擠奶前采集的頭健康奶牛溫度均值，℃；為擠奶后采集的頭健康奶牛溫度均值，℃；為擠奶前采集的第頭健康奶牛溫度，℃；為擠奶后采集的第頭健康奶牛溫度，℃；、分別為擠奶前后健康奶牛的數(shù)量，頭（下同）。 式中為患病奶牛在擠奶前后溫度均值的差值，℃；為擠奶前采集的頭患病奶牛溫度均值，℃；為擠奶后采集的頭患病奶牛溫度均值，℃；為擠奶前采集的第頭患病奶牛溫度，℃；為擠奶后采集的第頭患病奶牛溫度，℃；、分別為擠奶前后患病奶牛的數(shù)量，頭（下同）。

為進(jìn)一步分析擠奶操作對(duì)健康奶牛特征區(qū)域溫度的影響是否干擾對(duì)患病情況的判別，使用公式（3）計(jì)算擠奶前采集的健康與患病奶牛溫度均值，得到擠奶前采集的健康與患病奶牛溫度均值的差值；同理，使用公式（4）得到擠奶后健康與患病奶牛溫度均值的差值。

式中為擠奶前采集的健康與患病奶牛溫度均值差值，℃；

式中為擠奶后采集的健康與患病奶牛溫度均值差值，℃；

2.3 最佳采集時(shí)間確定

將經(jīng)過CMT檢測(cè)的189頭奶牛為試驗(yàn)對(duì)象，在擠奶前采集62頭健康奶牛的熱紅外圖像，擠奶后采集80頭健康奶牛的熱紅外圖像，由于擠奶前與擠奶后采集的不是同一批奶牛，因此共采集了142頭健康奶牛的熱紅外圖像；在擠奶前采集38頭患病奶牛的熱紅外圖像，在擠奶后采集47頭患病奶牛的熱紅外圖像，由于采集的患病奶牛屬于同一批，因此共采集了47頭患病奶牛的熱紅外圖像。

使用公式（1）～（2）計(jì)算健康奶牛、患病奶牛擠奶前后溫度均值的差值、，并對(duì)擠奶前后采集的溫度數(shù)據(jù)進(jìn)行方差分析，結(jié)果如表1所示。經(jīng)分析表明：健康奶牛擠奶后的乳區(qū)溫度大于擠奶前，擠奶操作對(duì)健康奶牛特征區(qū)域的溫度影響顯著（<0.05）；患病奶牛擠奶后的乳區(qū)溫度與擠奶前相差較小，擠奶操作對(duì)患病奶牛特征區(qū)域的溫度影響不顯 著。

表1 健康、患病奶牛擠奶前后溫度均值差值表 Table 1 Table of mean temperature difference between healthy and mastitis cows before and after milking

使用公式（3）～（4）計(jì)算擠奶前、擠奶后健康與患病奶牛溫度均值的差值、如表1所示。結(jié)果表明，擠奶前，患病奶牛比健康奶牛溫度高0.2～2℃。擠奶后，乳腺池區(qū)患病比健康奶牛溫度高0.1～0.5℃，而在乳腺區(qū)出現(xiàn)健康奶牛溫度高于患病奶牛的情況。因此，擠奶操作對(duì)奶?；疾∏闆r的判別存在干擾。

綜上，若采集擠奶后特征區(qū)域的熱紅外圖像，無(wú)法判別奶牛是否患病。因此，須在擠奶操作前采集圖像。故后續(xù)只對(duì)擠奶前采集的62頭健康奶牛與38頭患病奶牛進(jìn)行分析。

3 乳房炎識(shí)別方法構(gòu)建

3.1 特征區(qū)域內(nèi)的溫度差異

為研究乳腺區(qū)與乳腺池區(qū)溫差，獲取擠奶前采集的62頭健康奶牛與38頭患病奶牛的特征區(qū)域溫度，分別使用公式（5）、（6）計(jì)算健康、患病奶牛乳腺區(qū)與乳腺池區(qū)的溫差并求均值，同時(shí)進(jìn)行檢驗(yàn)（顯著性水平為0.05），分析溫度差異。

式中為健康奶牛的乳腺與乳腺池溫差均值，℃；為第頭健康奶牛的乳腺池溫度，℃；為第頭健康奶牛的乳腺溫度，℃；為擠奶前采集的健康奶牛的數(shù)量，=62。

式中為患病奶牛的乳腺與乳腺池溫差均值，℃；為第頭患病奶牛的乳腺池溫度，℃；為第頭患病奶牛的乳腺溫度，℃；為擠奶前采集的患病奶牛的數(shù)量，=38頭。

結(jié)果如表2所示，健康奶牛的乳腺池區(qū)溫度低于乳腺區(qū)且溫度差異不顯著，患病奶牛乳腺池區(qū)溫度高于乳腺區(qū)且溫度差異顯著（<0.05）。因此，可以利用上述差異建立相關(guān)方法，對(duì)患病奶牛進(jìn)行識(shí)別。

表2 乳腺區(qū)與乳腺池區(qū)溫差均值表 Table 2 Table of mean temperature difference between mammary gland area and mammary gland pool area

3.2 基于線剖法的奶牛乳房炎識(shí)別

根據(jù)特征區(qū)域內(nèi)乳腺區(qū)與乳腺池區(qū)溫差規(guī)律，分別在奶牛左右后乳區(qū)從乳腺區(qū)至乳腺池區(qū)繪制最長(zhǎng)剖線，即從軀體近端到遠(yuǎn)端繪制，如圖4a中的Li1、Li2所示。所繪制的剖線上的每個(gè)像素點(diǎn)均對(duì)應(yīng)一個(gè)溫度值，將剖線上第一個(gè)像素對(duì)應(yīng)的溫度點(diǎn)位置記為1，第二個(gè)記為2，以此類推，觀察剖線上所有溫度點(diǎn)，研究特征區(qū)域內(nèi)的溫度分布規(guī)律。由于鐵圍欄對(duì)溫度分布分析有影響（圖 4b），故手動(dòng)將有鐵圍欄數(shù)據(jù)刪除后再進(jìn)行溫度分析（圖4c）。

圖4 特征區(qū)域內(nèi)剖線上的溫度處理 Fig.4 Temperature treatment on section lines within characteristic areas

由于奶牛特征區(qū)域大小不同，導(dǎo)致所繪制的剖線長(zhǎng)短不同，根據(jù)所繪制的剖線上的每個(gè)像素點(diǎn)均對(duì)應(yīng)一個(gè)溫度值，從而造成剖線上的溫度點(diǎn)數(shù)量不同。對(duì)擠奶前采集的62頭健康奶牛和38頭患病奶牛的特征區(qū)域內(nèi)均繪制剖線，經(jīng)統(tǒng)計(jì)，剖線上的溫度點(diǎn)數(shù)量在45～85之間。因此，為方便分析，根據(jù)剖線上溫度點(diǎn)數(shù)量區(qū)分剖線的長(zhǎng)度，劃分4個(gè)區(qū)間：45～54，55～64，65～75，76～85。各區(qū)間內(nèi)奶牛數(shù)量如表3所示。

表3 各區(qū)間內(nèi)奶牛數(shù)量 Table 3 Number of cows in each interval 頭

分別在以上4個(gè)區(qū)間內(nèi)任選一頭健康奶牛（cow1～4）與一頭患病奶牛（m_cow1～4），通過線剖法，獲取剖線上的溫度，觀察剖線上溫度的分布趨勢(shì)，并將剖線上的溫度進(jìn)行擬合，分析健康奶牛與患病奶牛溫度分布情況的差異，建立乳房炎識(shí)別方法。最后對(duì)4個(gè)區(qū)間內(nèi)的所有奶牛進(jìn)行分析，驗(yàn)證該識(shí)別方法的準(zhǔn)確性。

3.3 識(shí)別結(jié)果分析

采用線剖法，分別獲取健康奶牛（cow1～4）與患病奶牛（m_cow1～4）的剖線上的溫度，得到溫度散點(diǎn)圖，如圖5所示。通過分析剖線上的溫度分布趨勢(shì)，可直觀看出：健康奶牛的特征區(qū)域溫度分布呈逐漸降低的趨勢(shì)，而患病奶牛的趨勢(shì)相反。

將剖線上的溫度進(jìn)行線性擬合，建立溫度分布擬合方程，擬合直線如圖5所示。對(duì)擬合直線的斜率的值進(jìn)行對(duì)比分析，結(jié)果如表4所示，表明：不同的奶牛個(gè)體，溫度擬合線的斜率大小不同。但對(duì)于健康奶牛，溫度擬 合線的斜率小于0，患病奶牛則相反。

表4 奶牛特征區(qū)域內(nèi)溫度線性擬合的斜率 Table 4 Slope of linear fitting of temperature in characteristic area of dairy cow

圖5 奶牛特征區(qū)域溫度線性擬合結(jié)果 Fig.5 Results of linear fitting of temperature in characteristic areas of dairy cows

最后，對(duì)4個(gè)區(qū)間中所有奶牛均進(jìn)行處理，獲得各區(qū)間內(nèi)所有奶牛的溫度擬合線斜率的值，如圖6所示。觀察發(fā)現(xiàn)，以斜率=0為分界線，絕大多數(shù)的健康奶牛溫度擬合線的斜率小于0，斜率范圍為-0.083～-0.001；絕大多數(shù)的患病奶牛溫度擬合線的斜率大于0，斜率范圍為0.001～0.093。

圖6 基于剖線長(zhǎng)度劃分的4個(gè)區(qū)間內(nèi)的奶牛特征區(qū)域溫度擬合線斜率值圖 Fig.6 Slope value plot of temperature fitting line in the characteristic area of dairy cows within the four intervals divided based on section line length

對(duì)各區(qū)間內(nèi)所有奶牛的溫度擬合線斜率的值進(jìn)行統(tǒng)計(jì)，結(jié)果如表5所示。結(jié)果表明：91.9%的健康奶牛溫度擬合線的斜率小于0，92.1%的患病奶牛溫度擬合線的斜率大于0，因此，根據(jù)溫度擬合線斜率的正負(fù)可判斷奶牛乳房的健康狀況。

表5 奶牛特征區(qū)域內(nèi)溫度擬合線斜率統(tǒng)計(jì)表 Table 5 Statistical table of the slope of the temperature fitting line in the characteristic area of the cow

4 奶牛乳房炎自動(dòng)識(shí)別及試驗(yàn)驗(yàn)證

采用MATLAB編寫相關(guān)算法程序，將擠奶前采集到的熱紅外圖像經(jīng)閾值分割后，實(shí)現(xiàn)奶牛后乳區(qū)的提取與左右乳區(qū)的劃分，根據(jù)本文提出的奶牛乳房炎識(shí)別方法，分別繪制奶牛左右后乳區(qū)的剖線，分析繪制的剖線溫度，并將剖線溫度進(jìn)行線性擬合，判斷擬合直線斜率的正負(fù)，從而實(shí)現(xiàn)奶牛乳房炎的自動(dòng)識(shí)別。流程圖如圖 7所示。

圖7 奶牛乳房炎自動(dòng)識(shí)別流程圖 Fig.7 Flow chart of automatic identification of cow mastitis

4.1 奶牛后乳區(qū)的提取與劃分

首先將熱紅外圖像灰度化，通過裁剪去除圖像中的圖標(biāo)和溫度欄，消除其對(duì)目標(biāo)識(shí)別的影響，裁剪后的圖像大小為222×221像素，然后采用直方圖均衡化對(duì)像素強(qiáng)度進(jìn)行歸一化處理，實(shí)現(xiàn)圖像預(yù)處理，使具有顯著溫度差異的前景區(qū)域和背景區(qū)域呈現(xiàn)不同的灰度。奶牛乳房灰度值高于背景灰度（見圖8），因此采用灰度閾值分割完成奶牛乳房區(qū)域的提取。

圖8 奶牛后乳區(qū)圖像預(yù)處理 Fig.8 Image preprocessing of cow udder area

采用圖像數(shù)據(jù)標(biāo)注工具LabelMe、灰度閾值分割算法分別實(shí)現(xiàn)奶牛后乳區(qū)形狀的手工提取與算法分割提取。對(duì)于任意一張奶牛后乳區(qū)熱紅外圖像，若以矩形表示整張圖像，以虛線橢圓區(qū)域表示手工標(biāo)定的后乳區(qū)，以實(shí)線橢圓區(qū)域表示各算法得到的后乳區(qū)，則該圖像可分為4個(gè)區(qū)域：TN（True Negative）、FN（False Negative）、TP（True Positive）和 FP（False Positive）。TP表示實(shí)質(zhì)是后乳區(qū)區(qū)域，同時(shí)也被算法識(shí)別成后乳區(qū)；TN表示實(shí)質(zhì)不是后乳區(qū)區(qū)域，同時(shí)也被算法識(shí)別成不是后乳區(qū)；FP表示實(shí)質(zhì)不是后乳區(qū)區(qū)域，但被算法識(shí)別成是后乳區(qū)；FN表示實(shí)質(zhì)是后乳區(qū)區(qū)域，但被算法識(shí)別成不是奶牛后乳區(qū)。

檢出率（Detection Rate，DR）、誤檢率（False Alarm Rate，F(xiàn)AR）、準(zhǔn)確率（Accuracy，ACC）的計(jì)算分別由公式（7）～（9）得出。

檢出率（DR）反映了算法分割后乳區(qū)的完整程度，誤檢率（FAR）反映出算法將不是后乳區(qū)區(qū)域誤檢為后乳區(qū)的概率，準(zhǔn)確率（ACC）是評(píng)價(jià)算法的綜合指標(biāo)。將預(yù)處理后189張的熱紅外圖像分別采用固定閾值法、迭代算法、最大類間方差法進(jìn)行處理，計(jì)算得到檢出率、誤檢率、準(zhǔn)確率，并求平均值（表6）。結(jié)果表明，固定閾值法的檢出率、誤檢率、準(zhǔn)確率均優(yōu)于其他2種分割算法，故選擇固定閾值法進(jìn)行圖像閾值分割，閾值設(shè)為0.93。

表6 3種閾值算法分割結(jié)果評(píng)價(jià)指標(biāo)均值 Table 6 Average value of the evaluation index of the segmentation results of three threshold algorithms %

采用固定閾值算法對(duì)預(yù)處理后的圖像進(jìn)行分割，得到二值化圖像（圖9b）。受乳區(qū)臟污因素的影響，導(dǎo)致奶牛后乳區(qū)的某些區(qū)域溫度低，若按固定閾值處理，這些區(qū)域可能被去除，故采用閉運(yùn)算進(jìn)行填補(bǔ)（圖9c）。為移除非后乳區(qū)的高溫區(qū)域，刪除圖片中像素面積小于250的小連通區(qū)域（圖9d）。根據(jù)奶牛左右乳區(qū)對(duì)稱，以奶牛后乳區(qū)最大寬度的中心軸為分割線，劃分左右乳區(qū)（圖9e）。

圖9 奶牛左右后乳區(qū)識(shí)別劃分 Fig.9 Recognition and division of the left and right udders of dairy cows

上述算法可有效應(yīng)對(duì)欄桿遮擋奶牛乳房區(qū)域的情況，有效識(shí)別奶牛的乳房區(qū)域。同時(shí)，該算法對(duì)采集角度改變的圖像的檢測(cè)結(jié)果良好（圖10），避免了奶牛姿勢(shì)變化造成區(qū)域識(shí)別不準(zhǔn)確的問題。

圖10 采集角度變化的奶牛乳房識(shí)別結(jié)果圖 Fig.10 Image of dairy cow udder recognition results with changes in acquisition angle

4.2 對(duì)比試驗(yàn)驗(yàn)證

為驗(yàn)證奶牛乳房炎自動(dòng)識(shí)別方法的準(zhǔn)確性，在擠奶前重新采集139頭奶牛后乳區(qū)的熱紅外圖像，采用閾值分割提取并劃分左右后乳區(qū)，同時(shí)分別遍歷搜索左右后乳區(qū)內(nèi)的最長(zhǎng)剖線，并獲取剖線上的溫度，自動(dòng)識(shí)別結(jié)果如圖11a所示。對(duì)剖線上的溫度進(jìn)行擬合獲得擬合線斜率，經(jīng)判斷，實(shí)現(xiàn)奶牛左右乳區(qū)是否患病的判別，部分識(shí)別結(jié)果如圖11b所示。

圖11 奶牛乳房炎自動(dòng)識(shí)別結(jié)果 Fig.11 Results of automatic identification of cow mastitis

根據(jù)2010年7月20日中華人民共和國(guó)農(nóng)業(yè)部印發(fā)的《奶牛乳房炎防治技術(shù)指南（試行）》通知，CMT已成為診斷奶牛乳房炎的常用檢測(cè)方法之一，因此采用CMT對(duì)139頭奶牛進(jìn)行檢測(cè)，其中健康奶牛為107頭，患病奶牛為32頭。將左右乳區(qū)自動(dòng)識(shí)別結(jié)果與CMT檢測(cè)結(jié)果對(duì)比，計(jì)算準(zhǔn)確率，結(jié)果如表7。試驗(yàn)結(jié)果表明：在107頭健康奶牛中，可平均準(zhǔn)確識(shí)出健康奶牛81頭，平均誤診為患病奶牛26頭；對(duì)于32頭患病奶牛，可準(zhǔn)確識(shí)別患病奶牛24頭，誤診為健康奶8頭。健康奶牛左右乳區(qū)的平均識(shí)別準(zhǔn)確率為76%，患病奶牛左右乳區(qū)的平均識(shí)別準(zhǔn)確率為75%。

表7 奶牛乳房炎識(shí)別結(jié)果 Table 7 Cow mastitis recognition results

本文提出的奶牛乳房炎識(shí)別方法，可以分析奶牛左右后乳區(qū)健康狀況，實(shí)現(xiàn)奶牛乳房炎自動(dòng)識(shí)別。

5 討 論

本文通過分析奶牛后乳區(qū)的特征區(qū)域的溫度分布趨勢(shì)實(shí)現(xiàn)奶牛乳房炎的識(shí)別，可對(duì)奶牛的左乳區(qū)和右乳區(qū)的患病情況分別進(jìn)行判斷，與通過對(duì)比左右乳房的溫差來(lái)檢測(cè)奶牛乳房炎的方法相比，解決了左右乳房同時(shí)患病時(shí)無(wú)法檢測(cè)的問題。還有一些研究通過牛的眼睛表面與乳房表面的溫差來(lái)檢測(cè)乳房炎，由于奶牛體格較大，紅外熱像儀視場(chǎng)角的限制，需要分別對(duì)奶牛乳房區(qū)域和眼睛區(qū)域進(jìn)行采集與識(shí)別，步驟繁瑣，識(shí)別復(fù)雜；而本文提出的奶牛乳房炎識(shí)別方法僅需對(duì)奶牛乳房區(qū)域進(jìn)行采集、識(shí)別與分析，步驟簡(jiǎn)單方便，可以實(shí)現(xiàn)患病奶牛的快速篩選。

在實(shí)際生產(chǎn)過程中，奶牛后乳區(qū)會(huì)沾有糞便、水等其他雜物，對(duì)奶牛后乳區(qū)溫度分布造成影響，導(dǎo)致本文提出的識(shí)別方法準(zhǔn)確率下降，因此，在進(jìn)行數(shù)據(jù)采集時(shí)，需去除奶牛乳區(qū)表面的雜物，保證奶牛乳區(qū)的干凈程度。為提高識(shí)別準(zhǔn)確率，后續(xù)可將奶牛的患病等級(jí)進(jìn)行劃分，分析奶牛在不同患病等級(jí)下的溫度特征，便于實(shí)現(xiàn)奶牛乳房炎快速、準(zhǔn)確識(shí)別。

6 結(jié) 論

本文采用紅外熱成像技術(shù)分析奶牛后乳區(qū)的特征區(qū)域內(nèi)溫度分布趨勢(shì)，實(shí)現(xiàn)奶牛乳房炎的快速識(shí)別，得出如下結(jié)論：

1）擠奶操作會(huì)導(dǎo)致健康奶牛后乳區(qū)的特征區(qū)域溫度升高，從而導(dǎo)致患病引起的溫度升高現(xiàn)象不明顯，故選擇在擠奶前進(jìn)行數(shù)據(jù)的采集。

2）健康奶牛乳腺池區(qū)溫度低于乳腺區(qū)，患病奶牛乳腺池區(qū)溫度高于乳腺區(qū)。健康奶牛特征區(qū)域內(nèi)的溫度分布呈現(xiàn)“逐漸降低”的特征；而患病奶牛呈現(xiàn)“逐漸升高”的相反特征。對(duì)特征區(qū)域內(nèi)的溫度進(jìn)行線性擬合，91.9%的健康奶牛溫度擬合線的斜率小于0，斜率范圍為-0.083～-0.001；92.1%的患病奶牛溫度擬合線的斜率大于0，斜率范圍為0.001～0.093，因此，根據(jù)溫度擬合線斜率的正負(fù)可判斷奶牛乳房的健康狀況。

3）經(jīng)奶牛乳房炎自動(dòng)識(shí)別，健康奶牛左右后乳區(qū)的識(shí)別準(zhǔn)確率均值為76%，患病奶牛的左右后乳區(qū)識(shí)別準(zhǔn)確率均值為75%。

本文提出的奶牛乳房炎自動(dòng)識(shí)別方法，識(shí)別準(zhǔn)確率較好，可用于實(shí)際生產(chǎn)過程中患病奶牛的篩選，為快速、非接觸、在線識(shí)別奶牛乳房炎提供了技術(shù)手段。