蛋鸡羽毛覆盖度计算及其与体温关系研究

为解决通过人工及温度阈值分割评估蛋鸡羽毛覆盖度准确度不够的问题，提出基于热红外图像和彩色图像计算羽毛覆盖度的方法。利用Otsu算法结合不同的颜色模型提取鸡体目标及背部羽毛覆盖完好区域，通过计算面积比值，获取背部羽毛覆盖度。针对热红外图像目标鸡体边缘模糊导致分割效果较差的问题，提出基于分量R、B灰度直方图的自适应性热红外图像增强方法，该方法突出了前景与背景的差异，增强了边缘的清晰度。实验结果表明，热红外图像鸡体目标及羽毛覆盖完好区域的分割准确度达到97.18%和96.86%，彩色图像分割准确度达到99.58%和97.86%。对于羽毛覆盖度，热红外图像的计算结果接近羽毛覆盖度真实值。对同一批蛋鸡计算羽毛覆盖度，热红外图像比彩色图像的计算结果最少时高2.01个百分点，最大时高30.29个百分点。通过分析原因，发现蛋鸡剐蹭鸡笼等行为露出的白色羽毛根部，是彩色图像计算覆盖度结果出现偏差的主要因素。羽毛覆盖度会影响鸡体体表温度。通过实验发现，鸡体羽毛覆盖度与体表温度呈极显著负相关（P<0.01），依据羽毛覆盖度对蛋鸡进行分级，对比相同级别、不同区域的蛋鸡体表温度，发现相同级别的羽毛严重损伤区域平均温度比背部平均温度高10℃以上，对比相同区域、不同级别的蛋鸡体表温度，发现背部平均温度最高相差3.89℃，损伤区域平均温度最高相差5.36℃。

Calculation of Feather Coverage and Relationship between Coverage and Body Temperature in Laying Hens