本发明涉及动物行为与环境关系的分析技术领域，具体涉及一种基于多色差模型的鸡行为与环境关系的分析方法及系统。
背景技术：
动物行为信息能够反映出动物机体对环境的适应情况，是动物福利的重要评价指标，能够帮助生产者更好地对畜禽进行管理。不同的禽舍环境也会对家禽的生产性能产生不同的影响。
热应激是一个重要的环境影响因素，对家禽的养殖产生诸多不利影响，包括生长速度、体重、肉品质等，同时还会增加死亡率等福利问题。danilo等提出一种温度舒适性聚类指数，能够区分不同温度条件下的家鸡聚集差异。li等发现热应激会显著影响肉鸡的日常行为，包括进食、饮水、躺卧等,会增加肉鸡的饮水与俯卧时间。丁安澜等研究者将迁移学习和目标检测相结合，利用构建的模型对黄羽鸡在热应激下的群体特征分析进行研究，发现在禽舍内温度上升至30℃之后，平均每三小时，鸡群的活跃度指数会降低22.54%。
禽舍内，氨气是主要的污染物气体。禽舍内空气污染物的增加会对畜禽的一般生产性能和其自身的免疫反应产生负面影响。周等发现当禽舍内氨气浓度达到25ppm会降低肉鸡的生长性能。周等提出了在肉鸡成熟后，禽舍内的氨气标准限值为15ppm，当氨气浓度升高时会引起肉鸡呼吸道损伤。liu等研究者针对不同浓度氨气数值进行研究发现，氨气数值增高会使得肉鸡摇头频率增加，并对肺组织产生损伤，影响肉鸡生产性能。
家禽生产过程中，行为的突然改变需要进行人工预警。家禽群体饲养、个体外表相同、饲养密度高且为非刚性躯体的现实情况，使得利用人工检测的方式研究家禽的行为较其他大体型动物困难。近年来，随着技术的更新换代，图像处理技术在工业检测、航空航天、机器人视觉等领域有着广泛的应用。在农业工程领域，与植物等静态作物不同，利用传感器、标签等侵入式的方式会对家禽的行为活动产生影响，这不利于实验的开展与研究。而图像处理技术由于其非侵入式、实时反馈等优点，越来越多的学者开始利用图像处理技术对家禽行为进行分析研究，有多种图像处理方法被成功应用到家禽行为分析中，并取得一些实质性成果。sergeant等利用图像处理技术对肉鸡图像进行分割，确定肉鸡的质心坐标，建立肉鸡的运动轨迹，实现了较好的肉鸡追踪效果。dawkins等利用光学流量算法提供了一种更为简单的方式来监测鸡群的行为，可以应用于家禽的整个生命过程的监测。aydin等利用数字图像处理技术将每只家禽所占图像面积进行归一化处理。并利用friedman测验和dunn测验对不同步态的肉鸡活动进行统计分析，得出了步态得分与活动度之间的关系。劳凤丹等利用机器视觉算法实现了对蛋鸡行为的识别以及对光照时间段内蛋鸡活跃情况以及分布位置的追踪。pereira等研究者选择hsi颜色系统对图像进行处理，利用侵蚀扩散技术对图片中的感兴趣区域进行提取。通过图像分析，求出构成鸡的轮廓的面积、周长、质心，计算运动的位移和速度变量。mehdizadeh等研究者利用自动视觉监测算法，修改颜色阈值，将喙与进料进行区分。该算法帮助了解不同类型的进料与禽类表现出的生物力学模式之间的关系。
现有技术具有以下缺点：
1.将黄羽鸡图像从背景中分割出来能够较好的进行分析，现有的黄羽鸡图像分析技术多为单只黄羽鸡与图像背景的分离，对于复杂背景下的群体黄羽鸡图像分割技术较少；
2.现有的家禽活跃度分析技术多为和传感器结合，或利用分区的方式对家禽的活动进行分析。然而少有技术对整个禽舍内的图像进行处理，分析家禽的整体活动指数；
3.由于氨气浓度数值、温湿度指数等禽舍的养殖环境对于黄羽鸡的生长是有很大影响的，所以针对养殖环境和黄羽鸡的行为相关性的研究是有必要的。然而，现有的多数技术是将氨气数值和黄羽鸡的生理理化信息结合进行分析，却少有直观的行为分析的技术。
技术实现要素：
本发明的目的是针对现有技术存在的不足，提供一种基于多色差模型的鸡行为与环境关系的分析方法及系统。
为实现上述目的，在第一方面，本发明提供了一种基于多色差模型的鸡行为与环境关系的分析方法，包括：
采集若干时段内鸡舍的温度数据和湿度数据，并基于所述温度数据和湿度数据分别计算各个时段的温湿度指数；
采集若干时段内鸡舍的氨气浓度数据，并以各个时段的氨气浓度平均值作为该时段的氨气浓度数值；
获取若干时段内多张鸡舍内的鸡身图像数据，根据每一时段内的多张鸡身图像数据统计鸡舍中各个位置出现鸡身图像的次数，并生成该时段的分布热图；
选择设定次数范围内的像素点所占分布热图总像素点的比例作为鸡在该时段内的活跃度信息；
利用肯德尔秩次相关系数对温湿度指数和氨气浓度数值分别与活跃度信息的关系进行分析。
进一步的，所述鸡身图像数据通过以下方式获取：
采集若干时段内鸡舍内的俯视图像；
利用若干颜色模型对所述俯视图像进行分割，以将鸡身以外的物体从俯视图像中分割剔除；
对分割后的图像数据进行图像处理，以获取鸡身图像数据。
进一步的，所述图像处理包括依次进行的小面积滤波去噪处理、开闭运算形态学处理和小面积填充处理。
进一步的，所述温湿度指数的计算方式如下：
thi=(1.8×t 32)−[(0.55−0.0055×rh)×(1.8×t−26)
其中，thi为温湿度指数，t为鸡舍内某一时段的干球温度平均值，rh为鸡舍内某一时段的相对湿度平均值。
进一步的，所述若干时段包括6:00至6:59、12:00至12:59和18:00-18:59三个时段，所述鸡舍内的俯视图像每分钟截取一张。
进一步的，所述鸡包括黄羽鸡，所述鸡身以外的物体包括黑白相间的垫料、黄色饲养盒和白色水管，所述垫料和水管依次经ycbcr颜色模型的cb分量阈值和lab颜色模型中的b分量阈值分割剔除，所述黄色饲养盒经yiq颜色模型中的q分量阈值分割剔除。
进一步的，所述cb分量阈值、b分量阈值和q分量阈值的计算方式如下：
其中，
分割后的图像区域如下：
h表示通过cb分量阈值、b分量阈值和q分量阈值分割后的图像区域，
进一步的，所述设定次数范围包括10至49次。
在第二方面，本发明提供了一种基于多色差模型的鸡行为与环境关系的分析系统，包括：
温湿度检测装置，用以采集若干时段内鸡舍的温度数据和湿度数据；
氨气监测装置，用以采集若干时段内鸡舍的氨气浓度数据；
图像采集装置，用以采集若干时段内鸡舍内的俯视图像；
计算机，用以基于所述温度数据和湿度数据分别计算各个时段的温湿度指数，并计算各个时段的氨气浓度平均值作为该时段的氨气浓度数值，利用若干颜色模型对所述俯视图像进行分割，以将鸡身以外的物体从俯视图像中分割剔除，对分割后的图像数据进行图像处理，以获取鸡身图像数据，并根据每一时段内的多张鸡身图像数据统计鸡舍中各个位置出现鸡身图像的次数，生成该时段的分布热图，然后选择设定次数范围内的像素点所占分布热图总像素点的比例作为鸡在该时段内的活跃度信息，再利用肯德尔秩次相关系数对温湿度指数和氨气浓度数值分别与活跃度信息的关系进行分析。
有益效果：1.本发明利用多色差模型，能够将黄羽鸡从采集的图像当中较好的分离出来，帮助相关研究人员进行今后的分析；
2.本发明将处理的图像生成黄羽鸡在不同时间段的活动热图，能够帮助研究人员进行黄羽鸡的行为分析；
3.本发明将温湿度指数、氨气浓度数值和黄羽鸡的活动指数进行结合，得出的结论为环境控制人员调整禽舍内环境提供了理论依据。
附图说明
图1是本发明实施例的对鸡舍内的俯视图像的流程示意图；
图2是本发明实施例的cb分量阈值求取流程图；
图3是本发明实施例采集的鸡舍内的俯视图；
图4是本发明实施例通过图像处理获取的鸡身图像；
图5是4个不同日期和时段的黄羽鸡活动分布图与当时的温湿度指数和氨气浓度数值的对比图。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明，本实施例在以本发明技术方案为前提下进行实施，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围。
本发明实施例提供了一种基于多色差模型的鸡行为与环境关系的分析方法，包括：
采集若干时段内鸡舍的温度数据和湿度数据，并基于所述温度数据和湿度数据分别计算各个时段的温湿度指数。具体的，各个时段的温湿度指数的计算方式如下：
thi=(1.8×t 32)−[(0.55−0.0055×rh)×(1.8×t−26)
其中，thi为温湿度指数，t为鸡舍内某一时段的干球温度平均值，rh为鸡舍内某一时段的相对湿度平均值。
采集若干时段内鸡舍的氨气浓度数据，并以各个时段的氨气浓度平均值作为该时段的氨气浓度数值。
获取若干时段内多张鸡舍内的鸡身图像数据，根据每一时段内的多张鸡身图像数据统计鸡舍中各个位置出现鸡身图像的次数，并生成该时段的分布热图。具体的，鸡身图像数据通过以下方式获取：
采集若干时段内鸡舍内的俯视图像。采集的鸡舍内的俯视图像如图3所示。
利用若干颜色模型对所述俯视图像进行分割，以将鸡身以外的物体从俯视图像中分割剔除。
对分割后的图像数据进行图像处理，以获取鸡身图像数据。具体的，参见图1，图像处理包括依次进行的小面积滤波去噪处理、开闭运算形态学处理和小面积填充处理。处理后的图像如图4所示。
获取若干时段内多张鸡舍内的鸡身图像数据，根据每一时段内的多张鸡身图像数据统计鸡舍中各个位置出现鸡身图像的次数，并生成该时段的分布热图。
选择设定次数范围内的像素点所占分布热图总像素点的比例作为鸡在该时段内的活跃度信息。在实际操作时，可选择出现鸡身图像的次数为10-49次的的像素点所占分布热图总像素点的比例作为鸡在该时段内的活跃度信息。
利用肯德尔秩次相关系数对温湿度指数和氨气浓度数值分别与活跃度信息的关系进行分析。对肯德尔相关系数，有如下定义:令xm，ym，m=1，2，..，n，表示n对相互独立分布的数据，数据点服从某二元连续分布。对序列xm按升序排列，可获得一组新的数据对序列{(x(m)，y(m))}，其中，x(1)至x(n)为关于x的序统计量，相应的y(m)则称之为x(m)的伴随。假设xj位于序列{x(m)}中第k个位置，则定义数字k为xj的秩次，记为pj。类似地可以定义yj的秩次并记为qj，记sgn(•)为符号函数。则肯德尔相关系数kt(rk)的定义为：
由此，可计算出x（活跃度）与y（温湿度指数）以及x（活跃度）与y（氨气浓度）的肯德尔相关系数。
上述若干时段包括6:00至6:59、12:00至12:59和18:00-18:59三个时段，保证各时间段内的鸡的活动相互不受影响，同时这三个时间段更能代表早中晚三个时间段的行为。鸡舍内的俯视图像每分钟截取一张，一天共采集180张图像。
对于不同颜色的鸡以及鸡舍中其它物品的颜色不同，所采用的颜色模型以及分割阈值均会相应变化。以下采用一个具体实施案例进行说明，在2019年进行的验证实验中，实验所用的鸡为黄羽鸡，实验共进行38天，2019年12月5日放入鸡只19只，2019年12月10日放入26只，被放入时，鸡只为75日龄，且身体状况均为健康。分批放置是为探究分布密度对黄羽鸡生产性能的影响。至实验结束，存活鸡只共43只，死亡黄羽鸡两只。实验鸡舍内采用led光源，每天5:00-22:59为光照时间，其余时间鸡舍内灯光关闭。上述鸡身以外的物体包括黑白相间的垫料、黄色饲养盒和白色水管等，黄色饲养盒又包括了黄色饲料盒和黄色饮水盒。针对于黄羽鸡、黑白相间的垫料、黄色饲养盒和白色水管，从2019年12月22日至2020年1月3日采集的图片数据集当中随机抽取十张图片，对垫料、饲养盒、鸡身每类提取25张子图，再对每类图片分别提取出100张20*20像素大小的图片作为样本数据集。在样本数据集中随机提取100个像素点进行比较。利用不同的颜色模型对样本数据集进行对比分析，经过对比不同分量的数据变化曲线后发现，ycbcr颜色模型的cb分量和lab模型的b分量能够将鸡身与垫料和水管较好的分开，yiq颜色模型的q分量能够将鸡身和饲料盒较好的分开。因此，垫料和水管可以依次经ycbcr颜色模型的cb分量阈值和lab颜色模型中的b分量阈值分割剔除，黄色饲养盒可以经yiq颜色模型中的q分量阈值分割剔除。
基于上述对黄羽鸡图像不同颜色模型的分析，利用cb和b分量阈值去除垫料背景，再利用q分量阈值对饲料盒和鸡身进行分割。阈值的计算可以看作是一个二分类的问题，在所提取的样本数据点中，适当的阈值能够将不同数据样本的分量值很好的分割开。不同的阈值选取方法会产生不同的处理效果。在阈值选取时，基于最大化分割间隔的思想会受到单类样本分布范围的影响，而基于聚类的思想是保证分类后类内的对象最大化其同质性，对于异类的对象最大化其异质性。基于聚类的思想，在已知两类数据点的情况下，通过不同的阈值选取，保证被正确分类的样本数目最大。以cb分量阈值举例说明，可参见图2，图2示意出了cb分量阈值求取流程图。在图2中，i为样本数据点个数，icb2i为鸡身的cb分量值，icb1i为垫料的cb分量值。
具体的，上述cb分量阈值、b分量阈值和q分量阈值的计算方式如下：
其中，
分割后的图像区域如下：
h表示通过cb分量阈值、b分量阈值和q分量阈值分割后的图像区域，
具体的，氨气浓度数值在不同时段的变化如表1所示：
表1
温湿度指数在不同时段的变化如表2所示：
表2
黄羽鸡活跃度与温湿度指数和氨气数值相关性如表3所示：
表3
具体参见图5，图中a、b、c、d示意出了4个不同日期和时段的黄羽鸡活动分布图以及当时的温湿度指数和氨气浓度数值。图中的x轴和y轴表示的是鸡舍内的位置坐标值，单位为mm，右侧的变色柱及其右侧的0至60分别代表黄羽鸡在这个位置出现的次数。
通过分析可以得出，对于黄羽鸡而言，thi和黄羽鸡活跃度在0.05级别有着显著相关性，即随着温湿度指数升高，黄羽鸡的活跃度增加；氨气浓度和黄羽鸡活跃度在0.05级别有着显著相关性，即随着氨气浓度升高，黄羽鸡的活跃度升高。
结合图1至5，基于以上实施例，本领域技术人员可以理解，一种基于多色差模型的鸡行为与环境关系的分析系统，包括温湿度检测装置、氨气监测装置、图像采集装置和计算机。
温湿度检测装置用以采集若干时段内鸡舍的温度数据和湿度数据。具体的，温湿度检测装置包括一个温湿度传感器，该温湿度传感器可以安装在鸡舍内循环出风口处。
氨气监测装置用以采集若干时段内鸡舍的氨气浓度数据。
图像采集装置用以采集若干时段内鸡舍内的俯视图像。图像采集装置具体包括半球网络摄像机、监控主机和网络硬盘录像机三部分，半球网络摄像机优选安装在鸡舍的中心正上方，高度可以根据需要进行调整，确保能够覆盖大部分鸡舍空间区域。
计算机用以基于温度数据和湿度数据分别计算各个时段的温湿度指数，并计算各个时段的氨气浓度平均值作为该时段的氨气浓度数值，利用若干颜色模型对所述俯视图像进行分割，以将鸡身以外的物体从俯视图像中分割剔除，对分割后的图像数据进行图像处理，以获取鸡身图像数据，并根据每一时段内的多张鸡身图像数据统计鸡舍中各个位置出现鸡身图像的次数，生成该时段的分布热图，然后选择设定次数范围内的像素点所占分布热图总像素点的比例作为鸡在该时段内的活跃度信息，再利用肯德尔秩次相关系数对温湿度指数和氨气浓度数值分别与活跃度信息的关系进行分析。计算机所用配置可为:intel(r)core(tm)i5-cpu中央处理器，操作系统采用windows10(64位)，4gb内存，使用matlabr2018a平台对图像进行处理以及样本数据集的提取，以及鸡身与其它物体的分割。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，其它未具体描述的部分，属于现有技术或公知常识。在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
1.基于多色差模型的鸡行为与环境关系的分析方法，其特征在于，包括：
采集若干时段内鸡舍的温度数据和湿度数据，并基于所述温度数据和湿度数据分别计算各个时段的温湿度指数；
采集若干时段内鸡舍的氨气浓度数据，并以各个时段的氨气浓度平均值作为该时段的氨气浓度数值；
获取若干时段内多张鸡舍内的鸡身图像数据，根据每一时段内的多张鸡身图像数据统计鸡舍中各个位置出现鸡身图像的次数，并生成该时段的分布热图；
选择设定次数范围内的像素点所占分布热图总像素点的比例作为鸡在该时段内的活跃度信息；
利用肯德尔秩次相关系数对温湿度指数和氨气浓度数值分别与活跃度信息的关系进行分析。
2.根据权利要求1所述的基于多色差模型的鸡行为与环境关系的分析方法，其特征在于，所述鸡身图像数据通过以下方式获取：
采集若干时段内鸡舍内的俯视图像；
利用若干颜色模型对所述俯视图像进行分割，以将鸡身以外的物体从俯视图像中分割剔除；
对分割后的图像数据进行图像处理，以获取鸡身图像数据。
3.根据权利要求2所述的基于多色差模型的鸡行为与环境关系的分析方法，其特征在于，所述图像处理包括依次进行的小面积滤波去噪处理、开闭运算形态学处理和小面积填充处理。
4.根据权利要求1所述的基于多色差模型的鸡行为与环境关系的分析方法，其特征在于，所述温湿度指数的计算方式如下：
thi=(1.8×t 32)−[(0.55−0.0055×rh)×(1.8×t−26)
其中，thi为温湿度指数，t为鸡舍内某一时段的干球温度平均值，rh为鸡舍内某一时段的相对湿度平均值。
5.根据权利要求1所述的基于多色差模型的鸡行为与环境关系的分析方法，其特征在于，所述若干时段包括6:00至6:59、12:00至12:59和18:00-18:59三个时段，所述鸡舍内的俯视图像每分钟截取一张。
6.根据权利要求2所述的基于多色差模型的鸡行为与环境关系的分析方法，其特征在于，所述鸡包括黄羽鸡，所述鸡身以外的物体包括黑白相间的垫料、黄色饲养盒和白色水管，所述垫料和水管依次经ycbcr颜色模型的cb分量阈值和lab颜色模型中的b分量阈值分割剔除，所述黄色饲养盒经yiq颜色模型中的q分量阈值分割剔除。
7.根据权利要求6所述的基于多色差模型的鸡行为与环境关系的分析方法，其特征在于，所述cb分量阈值、b分量阈值和q分量阈值的计算方式如下：
其中，
分割后的图像区域如下：
h表示通过cb分量阈值、b分量阈值和q分量阈值分割后的图像区域，
8.根据权利要求1所述的基于多色差模型的鸡行为与环境关系的分析方法，其特征在于，所述设定次数范围包括10至49次。
9.基于多色差模型的鸡行为与环境关系的分析系统，其特征在于，包括：
温湿度检测装置，用以采集若干时段内鸡舍的温度数据和湿度数据；
氨气监测装置，用以采集若干时段内鸡舍的氨气浓度数据；
图像采集装置，用以采集若干时段内鸡舍内的俯视图像；
计算机，用以基于所述温度数据和湿度数据分别计算各个时段的温湿度指数，并计算各个时段的氨气浓度平均值作为该时段的氨气浓度数值，利用若干颜色模型对所述俯视图像进行分割，以将鸡身以外的物体从俯视图像中分割剔除，对分割后的图像数据进行图像处理，以获取鸡身图像数据，并根据每一时段内的多张鸡身图像数据统计鸡舍中各个位置出现鸡身图像的次数，生成该时段的分布热图，然后选择设定次数范围内的像素点所占分布热图总像素点的比例作为鸡在该时段内的活跃度信息，再利用肯德尔秩次相关系数对温湿度指数和氨气浓度数值分别与活跃度信息的关系进行分析。
技术总结