沟槽式地板面板上家禽粪便清除率及基于视觉的粪便重量估计的研究

《Smart Agricultural Technology》：Investigation of poultry feces removal rate and vision-based feces weight estimation on grooved-floor panels

　　

高效粪便和垫料管理仍然是现代家禽生产系统中的关键挑战。传统的深垫料系统存在若干问题，包括高劳动力需求、卫生问题以及与湿垫料相关的福利问题。为了帮助将家禽与积累的粪便分离，研究人员设计了一种半圆形沟槽式地板（grooved-floor），允许在无笼（cage-free）生产系统中通过机器人操作机械清除粪便。本初步研究旨在评估机器人清洁原型的每日粪便清除效率，并开发一种计算机视觉算法以估计粪便体积，用于潜在的健康监测应用。研究人员将沟槽式地板面板（n=14）放置在层架式鸡笼（battery cages）下方，以收集产蛋母鸡的粪便样本。开发了一种配备旋转刷的移动系统来清除粪便。使用激光雷达（LiDAR）相机在清除粪便前后扫描地板表面。结果显示，移动系统清除了88.24 ± 2.37%的积累粪便。粪便清除效率未受饲养密度（stocking density）或收集间隔（collection interval）的显著影响（P > 0.05）。此外，三维（3D）导出的粪便体积与测量的粪便重量呈强线性关系（R² = 0.97，平均绝对百分比误差（MAPE）= 3.04%）。粪便体积和粪便重量均随饲养密度（13-19只/m²）和收集间隔（18-24小时）显著增加（P < 0.05）。这些发现证明了从沟槽式地板表面进行机器人粪便清除的可行性，并表明三维导出的粪便体积可能提供对家禽健康状况的见解，例如评估沟槽式地板系统中的时空密度或估计笼养系统中活禽的数量。

**论文解读：基于沟槽式地板的家禽粪便机器人清除与三维视觉重量估计研究**

**研究背景与意义**

家禽生产中，粪便和垫料管理是影响健康、福利和生产效率的关键因素。传统的深垫料系统存在劳动力需求高、卫生隐患（如病原体积累、氨气排放）及湿垫料引发的福利问题（如足垫皮炎）。尽管部分或全漏缝地板系统能改善卫生，但完全限制自然行为（如啄食、沙浴），且粪便积累后难以彻底清洁，可能滋生害虫并威胁生物安全。为平衡卫生与行为需求，研究人员提出一种沟槽式地板（grooved-floor）设计，旨在通过结构分离家禽与粪便，并借助无人地面车辆（UGV）实现机械清除。同时，粪便的视觉分析（如颜色、体积）可用于疾病诊断和健康监测，但在无笼系统中因家禽扰动难以采集稳定图像。沟槽式地板可减少粪便扰动，为三维（3D）体积估计提供可控表面。本研究作为概念验证，目标在于：（1）开发并评估配备旋转刷的移动机器人原型，在不同饲养密度（stocking density，SD）和收集间隔（collection duration，CD）下清除粪便的效率；（2）建立基于激光雷达（LiDAR）的计算机视觉管道，估计粪便体积并评估其与重量的关系。该研究发表在《Smart Agricultural Technology》。

**关键技术方法概述**

本研究采用以下关键方法：1）沟槽式地板面板（涂漆木材，用于快速原型）设计，其半圆形沟槽结构提供粪便容纳空间，最大容量0.54 cm³/cm²；2）移动机器人原型，由铝制框架、4个12V直流电机及全地形轮驱动，配备24V电动旋转刷（3300 rpm），以6 cm/s速度沿沟槽方向移动；3）基于Intel RealSense L515 LiDAR相机（30 cm高度，640×480像素，30 fps）采集粪便清除前后的三维点云数据；4）点云处理管道：使用开源软件Cloud Compare进行去噪、感兴趣区域（ROI）裁剪、迭代最近点（ICP）算法拼接，并通过Python 3.8（NumPy、Open3D）计算高度差网格，从而估算粪便体积；5）统计分析方法：双因素方差分析（two-way ANOVA）和线性回归。样本来源：德州农工大学家禽科学中心，14个笼中的36只20周龄白来航蛋鸡（2或3只/笼），在24小时和18小时两个收集间隔下采集粪便。

**研究结果**

**3.1 不同设置下的废物清除表现**
利用干砂（非粘性材料）进行初步测试，在6 cm/s速度下清除率达94.13 ± 1.59%。随后使用实际家禽粪便，两次刷洗后平均清除率在24小时和18小时收集间隔下分别为90.40 ± 1.97%和89.47 ± 2.32%。双因素方差分析表明，饲养密度（P = 0.305）和收集间隔（P = 0.258）对清除率无显著影响，粪便负载量与其相关性低（R2 = 0.0923）。第二次刷洗仅增加约2.29%的清除率，表明优化单次刷洗比增加刷洗次数更为有效。未观察到残余粪便随天数累积，但需长期验证。

**3.2 使用三维相机估计粪便重量**
在压缩前，粪便体积与重量呈强线性关系（R2 = 0.97，平均绝对百分比误差（MAPE）= 3.04%），残差零均值分布；压缩后，该关系减弱（R2 = 0.76，MAPE = 7.26%），残差变异性增加。压缩后粪便密度显著升高（P = 0.007），且饲养密度高时密度更大（如24小时间隔，3只鸡密度从0.79 g/cm3增至1.03 g/cm3），而收集间隔无显著影响。这表明压缩改变了体积-重量关系，可能由粪便层厚度和变形差异导致。

**3.3 基于粪便的笼养系统死亡率检测**
粪便重量和压缩前体积均随活禽数量减少而显著下降（P < 0.05）：从3只鸡减至2只鸡（减少33.33%），粪便重量下降约26-28%，体积下降约28%。收集间隔的缩短（从24小时至18小时，减少25%）导致粪便重量下降约16-19%，低于预期比例，可能与家禽的日摄食节律有关。双因素方差分析显示，活禽数量和收集间隔对粪便体积有显著主效应，且无交互效应，表明粪便体积可作为笼级死亡率检测的间接指标。

**3.4 基于粪便的沟槽式地板系统时空分布评估**
压缩后粪便体积与累积家禽停留时间（收集间隔×鸡数）呈正相关（R2 = 0.368），表明粪便积累可部分反映空间使用模式。但R2值中等，说明其他因素（如家禽移动异质性、粪便压实差异）也影响体积。该信息可辅助识别局部聚集、冷点或设备故障区域。

**3.5 沟槽式地板的粪便容纳能力**
压缩前最大粪便体积为404.31 cm3，占理论容量（843.57 cm3）的47.93%；压缩后为264.05 cm3，占31.30%。当前沟槽几何结构在24小时清除间隔下对蛋鸡足够，但商品化无笼系统中，喂食器附近区域可能需要更高清除频率或更大容量，且肉鸡日采食量更高，需相应调整。

**讨论与结论**

讨论部分指出，本研究的局限性包括：短期实验、涂漆木材面板（非商业材料）、人工模拟压缩、未测量粪便含水量等物理性质、机器人原型缺乏自主导航、能量消耗未量化、无长期成本效益分析。未来需在商业条件下评估长期清洁性能、动物-机器人交互、足垫健康、氨气排放、生物安全及生产性能，并整合AI疾病检测和多功能精度管理。

结论部分翻译：本研究对沟槽式地板家禽生产系统进行了概念验证评估，该系统融合了机器人粪便清除与基于LiDAR的粪便检测。配备旋转刷的移动机器人清洁原型在两次清洁后达到约90%的粪便清除率，且清洁性能在测试的饲养密度和收集间隔下保持一致。此外，在压缩前，从三维点云数据导出的粪便体积与粪便重量呈强线性关系（R2 = 0.97），证明了计算机视觉用于自动粪便重量估计的可行性。这些发现的解释受限于短期和受控实验条件、原型木制地板面板、粪便压缩的手动模拟以及缺乏商业无笼条件下的验证。因此，当前结果证明了技术可行性而非商业就绪性，需要在实际生产条件下进行进一步的长期动物试验。