資料來源：畜產試驗所花蓮種畜繁殖場/莊璧華助理研究員兼系主任、鄭閔謙副研究員、蘇安國副研究員兼場長

家畜(乳牛)體型與體重自動估算系統現場硬體設備分別有工業型電腦主機一台（WINDOWS 10系統）、工業型影像主機一台、200萬素以上彩色CCD二台、工業用可程式控制器一台、RFID讀取器一台，接收頻率為 922.75 MHz至 927.25 MHz。、工業型電子磅秤一台（自製）、光電開關兩組和牛隻戶外走道（長3m，寛0.9m實內）和白鐵烤漆藍背板（自製，長3m，高2m）。

試驗牛隻於耳朵或頸部項圈配帶超高頻電子耳標（Tag），電子耳標寫入牛隻耳號基本資料，系統經由RFID讀取器判讀牛隻編號。牛隻照片擷取後，依系統所設定之工具：幾何測量、距離測量、寛度測量及計算等功能，經背景抽色後，由系統換算圖片中牛隻之體長、體高、胸深、胸寬等計15組演算程式，建立基礎圖像欄圖相，依據所設定換算程式，進行演算（圖1）。作業系統採前後端模式（主從式架構），前端系統位於牧場現場，經現場控制系統取得個別牛隻資料後，設定於每日0:00 時，經有線網路連線回傳後端SQL資料庫。由前端回傳原始資料將累計儲存於後端SQL資料庫內，研究人員擷取適合的資料進行分析。目前後端報表系統已開發將現場體重與體型等資料轉成CSV檔，可進一步分析資料。整體系統採主從式的資料架構，現場資料運作正常情況下，連續回傳動物過磅資料。本系統即為物聯網一環（lot系統，物聯網架構），於動物通過時即時擷取體型和重量資料，回傳至後端資料庫，待整體系統進入到AI模式時，即時判斷動物狀況。

本系統於2022年7月底完成軟硬體架設，經系統條件和環境調整後，於8月底開始收集資料，每日清晨和傍晚搾乳兩次，於牛隻搾乳後行經試驗場所走道，進行拍攝影像。收集96頭乳牛，3600筆以上體型與體重資料。本系統原設計由側面圖像演算牛隻體長、體高及胸深，正上方圖像演算牛隻胸寬等數值，再以實測體重做為體型體重檢量線之演算依據。由於現場設備與自然光照環境影響，收集系統原判定之牛隻體長、體高及胸深等回傳數值，與體重相關係數不高（R²值=0.01至0.14），經篩選圖像和資料除錯後，體重與體長、體高之相關係數為0.20至0.28。體重與胸深之相關係數為0.8，其迴歸公式為體重＝12.858*胸深-777.23。可做為初步體型體重檢量線之依據。

家畜(乳羊)體型與體重自動估算系統亦利用攝影機拍攝羊隻體型照片，每頭羊每日拍攝2次之上，以此建置羊隻體型量測影像資料庫（圖2）。判識模型以OpenCV演算法作為影像識別的基礎開發軟體，判斷羊隻體型與物件特徵，之後結合YOLO進行物件偵測，抓取羊隻體徵區域位置。YOLO v4 由Input、Backbone、Neck、Prediction 組成，其中Neck 層將三種輸出特徵圖，分為 19*19 (32 倍)、 38*38 (16 倍)、76*76 (8 倍)，對應檢測小物體、中等物體、大物體，再將不同層特徵整合。再根據羊隻體高、體長、胸寬、胸高以及臀寬等各部位之長度判識長度，進行量測量測結果。

本研究從2022年9月1日系統設置完成後開始收集資料與建置影像模型資料庫，截至2022年11月15日已收集筆數為正上方 1,635 筆，左上方 1,493 筆，共計 3,128 筆。羊隻影像辨識其中體高、側胸高與體長之影像辨識誤差率約為10%以內，上胸寬與臀寬之影像辨識誤差率約為20%以內。誤差率10%已具應用價值，未來藉由資料庫數據資料增加，優化模型資料，希望能再將誤差率精進為5%以內。利用羊隻上胸寬、臀寬、體高、側胸高與體長之影像辨識量測數據去推估體重，體重推估之誤差率為30%以內，利用體型實測值去推估體重已可將誤差率縮小至10%以內，因此，未來影像辨識體型誤差率如能減少至10%內，再藉由優化推估模式，預計可將誤差率縮小至5-10%以內，如此將具有市場應用價值。

▲研發團隊：畜產試驗所家畜體型和體重自動估算系統研發團隊

計畫網址/相關社群：https://project.coa.gov.tw/coa/index

聯絡人：莊璧華助理研究員兼系主任/鄭閔謙副研究員

電話：03-8524365/ 08-8861341

E-mail：phchuang@mail.tlri.gov.tw/mccheng@tlri.gov.tw