摘要：為有效檢測并防止屠宰注水生豬，筆者利用屠宰廠現(xiàn)有的監(jiān)控系統(tǒng)采集生豬開膛的圖像，研究了一種判定生豬是否注水的圖像識別方法。宰前注水的生豬在開膛時形態(tài)異常，尤其以膨脹的胃臟最為明顯。依據(jù)此特征筆者研究了豬開膛工位圖像的采集方法，并對圖像進行消噪、二值化、腐蝕與膨脹的預處理，對注水豬圖像胃臟的面積、周長、寬長比、圓形度、復雜度形狀特征進行計算和分析，采用BP神經(jīng)網(wǎng)絡訓練樣本數(shù)據(jù)，實現(xiàn)注水豬圖像自動識別算法。結(jié)果表明：該方法能夠取得很好的自動識別效果，在生豬屠宰監(jiān)管環(huán)節(jié)發(fā)揮一定作用，實現(xiàn)生豬屠宰監(jiān)管的自動化。

　　關(guān)鍵詞：屠宰；注水生豬；圖像識別；形狀特征提??；BP神經(jīng)網(wǎng)絡

　　生豬注水危害極大，豬胃腸注入大量水分后嚴重松弛，腸道蠕動變得極其緩慢，胃腸道內(nèi)的腐敗食物分解產(chǎn)生大量有毒物質(zhì)，這些有毒物質(zhì)通過重吸收后遍布全身肌肉，對人體造成極大傷害。為了保證市場上出售的豬肉及其制品的安全，“生豬屠宰”是動物監(jiān)管部門必須把好的最后一道關(guān)。有效地進行屠宰監(jiān)管能夠發(fā)現(xiàn)注水豬及病害豬等，杜絕問題豬肉進入市場。為此，在生豬屠宰時，監(jiān)管部門會派工作人員進行駐場監(jiān)管，為合格的豬肉加蓋合格印章并簽發(fā)售賣許可證；但是這種監(jiān)管方式每個屠宰廠（點）均需要派工作人員2人以上，耗費大量人力。另外，這種監(jiān)管方式存在宰前監(jiān)管的空白，一些屠宰廠（點）為追逐利潤在臨宰前向活豬體內(nèi)大量注水。為解決私宰注水豬問題，天津市西青區(qū)動物衛(wèi)生監(jiān)督所開發(fā)出帶有注水豬自動識別功能的生豬屠宰監(jiān)控系統(tǒng)。該系統(tǒng)擬輔助并逐步替代人工，以更嚴密地監(jiān)管生豬屠宰的各個環(huán)節(jié)，達到節(jié)省人力、無間斷監(jiān)控、防止屠宰期的違規(guī)行為的目的?，F(xiàn)將開膛屠宰時注水豬的圖像自動識別方法介紹如下。

　　正常豬屠宰前需要停食、停水12h以上，而注水豬在臨宰前向豬胃內(nèi)注入30～40kg水，因此注水豬開膛時可以觀察到胃臟增大明顯，是正常豬胃臟的5倍左右，有時從倒掛開膛豬體內(nèi)傾覆而出。此外，可以觀察到肝臟體積增大、腫脹、邊緣增厚，呈盾形；肺臟明顯腫脹，表面濕潤光亮；腸壁變薄，呈半透明狀，外觀像充氣氣球。注水豬與正常豬的胃部形態(tài)特征差異最為明顯，準確地提取注水豬胃部的形狀特征是識別生豬是否注水的關(guān)鍵。

　　在豬開膛取內(nèi)臟操作工位安裝RFID讀卡器，讀取豬耳標，并觸發(fā)攝像機對該頭豬連續(xù)抓拍5幅圖像，用于自動識別。

　　由于攝像機抓取的圖像為彩色圖像，因此在圖像預處理階段需要將彩色圖像轉(zhuǎn)換成灰度圖像，既不會降低處理效果，還能極大地提高運算速度。將彩色圖像轉(zhuǎn)換為灰度圖像有很多種方法，根據(jù)豬屠宰時彩色圖像的特點，本研究采用最大值法，即圖像上各像素的灰度值取原彩色圖像三色（紅、綠、藍）分量值中的最大值。公式為f（i，j）=Max[R（i，j），G（i，j），B（i，j）]。式中：i，j為像素的橫縱坐標；R（i，j）為該點的紅色分量值；G（i，j）為該點的綠色分量值；B（i，j）為該點的藍色分量值。灰度圖像見圖1。

　　為了盡量減少噪聲對目標區(qū)域識別的影響，對灰度圖像進行平滑濾波。常用的濾波方法有很多，中值濾波算法是復雜度較低的一種，其原理是把圖像中一點的值用該點的一個鄰域中各點值的中值代替，使周圍的像素值更接近，從而消除孤立的噪聲點。本研究采用3×3作為領域范圍，能夠有效抑制圖像中的噪聲并保留邊的銳度和圖像的細節(jié)。

　　圖像二值化是將一幅灰度圖像的所有像素點分成256個灰度級別（灰階），每個像素點表示為一個灰階，將高于某一灰階閾值的像素全部顯示成白色，低于這一灰階閾值的像素全部顯示成黑色。閾值的選取是圖像二值化的關(guān)鍵。本研究采用最大類間方差法（OTSU，大津法），自適應確定閾值。

　　記T為前景與背景的分割閥值，前景點數(shù)占圖像比例為ω0，平均灰度為μ0；背景點數(shù)占圖像比例為ω1，平均灰度為μ1，則圖像的總平均灰度為：

　　μ=ω0μ0+ω1μ1    （1）

　　前景和背景圖像的方差為：

　　g=ω0（μ0-μ）（μ0-μ）+ω1（μ1-μ）（μ1-μ）  （2）

　　將式（1）代入式（2），推導出等價方差式：g=ω0μ0（μ0-μ1）（μ0-μ1）。當方差g最大時可以認為此時前景和背景差異最大。采用遍歷的方法得到使方差g最大的閥值T，即為所求。二值化圖像見圖2。

　　在二值化圖像中，胃臟區(qū)域與腸區(qū)域是連通的，需要將兩個區(qū)域分離，以便更好地判斷豬胃臟的形態(tài)特征。先將圖像用3×3結(jié)構(gòu)元素作一次腐蝕運算，腐蝕運算后圖像縮小一圈，為得到更準確的胃臟區(qū)域形態(tài)，再用3×3結(jié)構(gòu)元素對圖像作一次膨脹運算，腐蝕后膨脹處理結(jié)果見圖3。

　　從腐蝕后膨脹處理的圖像中選取最大的連通前景區(qū)域，忽略其他前景部分，見圖4。

　　由圖4可見，注水豬圖像中胃部成為最大連通區(qū)域，在整個圖像中具有顯著的形態(tài)特征，而正常豬最大連通區(qū)域部位不確定，面積小、形狀不定。因此，對注水豬圖像中最大連通區(qū)域進行特征提取是研究的關(guān)鍵。

　　根據(jù)注水豬胃部的形狀，選用以下特征作為識別依據(jù)：1）面積指目標區(qū)域的總像素個數(shù)，記為S。2）周長指圍繞目標區(qū)域的外邊界像素個數(shù)，記為P。3）寬長比指目標區(qū)域最小外接矩形的短邊與長邊的比值，記為K。4）圓形度指目標區(qū)域內(nèi)切圓半徑與外接圓半徑的比值，記為C。5）復雜度描述目標區(qū)域邊界的復雜程度，公式為D=4πS/P2。

　　選取60幅注水豬圖像和60幅正常豬圖像計算以上特征參數(shù)，結(jié)果見表1。

　　將上述60幅注水豬圖像的面積、周長、寬長比、圓形度、復雜度5項特征參數(shù)作為BP神經(jīng)網(wǎng)絡的輸入層，建立一個3層神經(jīng)網(wǎng)絡模型，各層傳遞函數(shù)均用S型函數(shù)。網(wǎng)絡輸入層節(jié)點數(shù)為5，經(jīng)多次試驗確定隱含層節(jié)點數(shù)為9，輸出層節(jié)點數(shù)為1，目標誤差為0.01，訓練迭代次數(shù)為5000次，進行訓練。

表1  注水豬和正常豬形狀特征參數(shù)

　　對訓練結(jié)果進行測試。某批次共屠宰100頭生豬，其中2頭注水豬，98頭正常豬，每頭豬在開膛工位抓拍圖像5幅，共獲得500幅圖像。對BP神經(jīng)網(wǎng)絡的訓練結(jié)果進行注水豬識別，識別出注水豬圖像15幅，其中9幅圖像來自注水的2頭豬，有1頭豬的全部圖像（5幅）被認定為注水豬圖像，另1頭豬80%（4幅/5幅）的圖像被認定為注水豬圖像；另外6幅圖像分別來自不同的5頭豬，4頭豬20%（1幅/5幅）的圖像被認定為注水豬圖像，1頭豬40%（2幅/5幅）的圖像被認定為注水豬圖像。直接判定出注水豬1頭，正常豬93頭，待定豬6頭。系統(tǒng)檢測的準確率為94%，注水豬召回率為50%，注水豬精確率為100%。

　　根據(jù)大量數(shù)據(jù)分析，系統(tǒng)將懷疑度≥80%的豬判定為注水豬，懷疑度≤20%的豬判定為正常豬，20%＜懷疑度＜80%的豬判定為疑似注水豬，報告人工進一步核查，這樣進一步提高了系統(tǒng)的自動判定能力，得到的判定結(jié)果為：注水豬2頭，正常豬97頭，待定豬1頭。本批檢測準確率為99%，注水豬召回率、精確率達到100%。

　　圖像識別技術(shù)在自動監(jiān)管領域的應用已比較成熟，而畜牧業(yè)生產(chǎn)加工監(jiān)管自動化起步較晚，發(fā)展滯后。隨著生活水平的提高，人們越來越關(guān)注食品的質(zhì)量安全，畜牧業(yè)監(jiān)管自動化的經(jīng)濟和社會效益日趨顯著。圖像識別技術(shù)在生豬屠宰監(jiān)管領域未見研究先例，本研究與整個生豬屠宰監(jiān)管系統(tǒng)的研制解決了基層動物監(jiān)管部門的實際問題，也為今后相關(guān)農(nóng)業(yè)監(jiān)管領域的自動化嘗試提供新的思路。