-
题名基于深度学习的群养鸡只行为监测方法研究
被引量：10
- 1
-
-
作者
李娜
任昊宇
任振辉
-
机构
河北农业大学机电工程学院
河北农业大学现代科技学院
-
出处
《河北农业大学学报》
CAS
CSCD
北大核心
2021年第2期117-121,共5页
-
基金
河北省科技计划项目(16236605D-2)。
-
文摘
畜禽的行为能够反映其健康状况、环境舒适度等福利信息,是评价畜禽福利状况的重要指标。为了实时自动监测鸡舍中鸡群的行为状况,提出了1种基于深度学习的鸡群行为监测方法。用摄像头连续4个月每天7:00—17:30记录散养鸡群在鸡舍内的活动,筛选7988幅图片对鸡只的采食、站立、趴卧、梳羽、啄羽和打架行为进行标注,利用YOLO v4目标检测模型识别,各行为平均精确率分别为采食96.67%、站立90.34%、趴卧78.46%、梳羽82.01%、啄羽63.38%、打架67.14%,模型总体平均精确率为79.69%。为进一步提高啄羽行为检测结果,采用了时间序列分析方法提取持续时间大于30 s的啄羽行为。实验结果表明,该方法可以实现群养鸡只行为的实时自动监测,解决人工不能全天实时监测的问题,为精准化养殖提供了可能。
-
关键词
YOLO
v4
鸡只行为识别
时间序列
精准畜牧业
-
Keywords
YOLO v4
hen behavior recognition
time series
precision livestock farming
-
分类号
TP202
[自动化与计算机技术—检测技术与自动化装置]
S66
[自动化与计算机技术—控制科学与工程]
-
-
题名基于YOLOv5x的鸡只基本行为识别方法研究
- 2
-
-
作者
王春清
王悦涛
尚书旗
张宁
-
机构
青岛农业大学机电工程学院
-
出处
《农业装备与车辆工程》
2024年第4期1-5,共5页
-
基金
山东省企业技术创新项目“规模化畜禽养殖智能装备与信息化技术研发”(202260803751)。
-
文摘
鸡只的健康养殖对于提高其产量和品质具有重要意义,传统的养殖模式缺乏专业的养殖指导和及时的疫病防控,无法满足健康养殖的要求,因此需要对鸡只行为进行识别,保证鸡只的健康生长。目前鸡只养殖过程的行为识别多采用人工观察或电子标签等方式,存在主观性强、耗时耗力的缺点。针对舍饲散养模式下鸡只外形、动作相似,相互之间易遮挡等问题,提出了基于YOLOv5x改进的YOLOv5x-Swin-TransformerV2-SPPF模型,在利用数据增强等技术建立鸡只行为识别数据集的基础上,通过改进主干网络、加强特征提取网络、增加小目标检测层及优化损失函数等方式,实现了对鸡只站立、采食、趴卧、饮水4种基本行为的自动识别,各行为平均精确率分别为90.8%,84.3%,92.8%,91.5%,4种行为识别的平均精确率均值(mAP)为89.9%,较改进前均值平均精度比YOLOv3、YOLOv5s、YOLOv5x分别提升了9.5%、4.37%、3.32%,通过结果分析验证了改进模型的有效性,达到利用深度学习技术进行鸡只的行为识别,实现对鸡只行为活动的实时监测,对于实现健康养殖和可持续发展的目标具有重要意义。
-
关键词
深度学习
鸡只行为识别
YOLOv5x
小目标检测
-
Keywords
deep learning
chicken behavior recognition
YOLOv5x
small target detection
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
S831.4
[自动化与计算机技术—计算机科学与技术]
-
