群养肉鸡长得几乎一模一样。一只鸡从画面里走过去，算法能“看见”它，却不一定知道它是谁；而育种和健康管理真正需要的，恰恰是“这一只”的数据。Jan Erik Doornweerd、T. Pook、Britt de Klerk 等 8 位作者在《Computers and Electronics in Agriculture》上发表的一项研究，正面处理了这个身份难题：把摄像头跟踪与地板下的RFID识别融合起来，重建群养条件下每一只肉鸡的运动轨迹。
试验是怎么搭的
研究在肉鸡18日龄时进行。39只佩戴RFID标签的肉鸡被放进一个栏舍，栏舍地面下埋了30个RFID天线，顶部架设一台摄像机。视频跟踪采用YOLOv7-tiny模型配合改良版SORT算法，先得到画面中的运动轨迹；难点在于把轨迹和身份对上——外观相似、相互遮挡、密集穿行，都会让轨迹频繁“换人”。
作者比较了两条路线：一是直接匹配法，把视频轨迹直接与RFID读数配对；二是他们开发的两步融合法，先用隐马尔可夫模型（HMM）估计个体位置（可选择是否叠加视频信息），再用贪心算法完成轨迹重建。为了评估成本边界，试验设置了四种天线配置：全网格30个、双线12个、交叉模式10个、双天线2个。
结果：误差降了一个量级
在四种配置下，两步融合法的定位误差都低于直接匹配法，缺失位置也更少。与真实位置相比，平均位置误差（均值为米，括号内为标准差）分别是：全网格配置0.021（0.10）对0.48（0.54）；双线配置0.14（0.30）对0.71（0.61）；交叉模式0.30（0.45）对0.69（0.50）；双天线配置0.85（0.59）对1.03（0.60）。
最值得琢磨的是两个端点。天线铺满时，误差只有2.1厘米——这已经接近“知道这只鸡站在哪块垫料上”的精度；而当天线砍到只剩2个，误差0.85米，虽然粗，但依然优于直接匹配法的1.03米。换句话说，视频给了空间精度，RFID给了身份可靠性，两者融合后，即便硬件投入大幅缩水，个体轨迹仍然可用。
为什么育种端在意这件事
有了个体轨迹，就能自动提取运动表型：走了多远、走得多快、加速度如何变化。这些指标过去靠人工观察几乎无法规模化采集，而它们可能与健康、福利状态乃至生产性能相关。对育种者来说，这等于多了一批可以参与选择的新性状，选择准确性有望提高；对养殖场来说，活动量的异常变化往往是发病、跛行或环境不适的早期信号。
这也解释了为什么“身份”比“数量”更难也更有价值。市面上的鸡舍视觉系统大多能数清有多少只鸡、估出平均体重，但要判断“哪一只吃得少、走得慢”，必须先稳定地把身份和轨迹绑在一起。这篇论文提供的正是这层底座。
离产业落地还有几步
第一是成本。30个地板天线覆盖一个试验栏舍，在商业鸡舍里复制并不经济，2天线的0.85米精度反而更像产业化起点。第二是场景复杂度，试验只有39只鸡，商业栏舍动辄上万只，遮挡和密度会放大轨迹断裂的概率。第三是栏舍改造，地板下埋天线涉及土建，与现有棚舍的翻新节奏需要匹配。但方向已经清楚：视觉负责“看见”，射频负责“认出”，融合之后，群养动物才真正变成一个个可追踪的个体。
来源：Computers and Electronics in Agriculture（2026年11月）｜原文链接：https://doi.org/10.1016/j.compag.2026.112579