基于轻量化网络与注意力机制的育肥猪采食行为识别方法研究

摘要：

[目的]针对育肥猪采食行为识别误差大、检测速度慢等问题,提出一种具有轻量化结构的育肥猪采食行为检测模型,实现对育肥猪采食行为的快速检测与采食时长统计.[方法]以YOLO v5L目标检测算法为基础,构建侧视视角下的猪只采食行为检测模型.对比更换不同轻量化主干网络后对模型检测效果的影响,选取性能最优的模型;改进ShuffleNet V2 网络结构基本单元,采用Mish激活函数提高模型泛化能力与推理速度,引入SE注意力机制给予目标特征更高的权重以提高目标识别精度;对比分析模型增加非营养性访问行为检测前、后的采食行为识别准确率.[结果]优化后的育肥猪采食行为检测模型大小为38.2 MB,计算量为37.8 GFLOPs,视频检测平均帧耗时7.6 ms.与非营养性访问行为进行区分识别后,猪只采食行为检测识别准确率为96.4%,召回率为92.5%.模型检测采食时长与人工统计采食时长相对误差为 6.1%.[结论]改进的YOLO v5L-ShuffleNet网络模型检测速度和模型大小均能满足实际生产需求,可在复杂养殖环境中全天候识别育肥猪采食行为.

关键词：育肥猪、采食行为、轻量化模型、YOLO v5L、实时监测

所属期刊栏目：46

分类号：TP391.4;S828(计算技术、计算机技术)

资助基金：江苏省科技计划项目BE2019382

在线出版日期：2023-07-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：802-812