基于改进YOLO v5s的经产母猪发情检测方法研究

摘要：

为解决限位栏场景下经产母猪查情难度大、过于依赖公猪试情和人工查情的问题,提出了一种基于改进YOLO v5s算法的经产母猪发情快速检测方法.首先,利用马赛克增强方式(Mosaic data augmentation,MDA)扩充数据集,以丰富数据表征;然后,利用稀疏训练(Sparse training,ST)、迭代通道剪枝(Network pruning,NP)、模型微调(Fine tune,FT)等方式重构模型,实现模型压缩与加速;最后,使用DIOU-NMS代替GIOU_NMS,以提高目标框的识别精度,确保模型轻量化后,仍保持较高的检测精度.试验表明,优化后的算法识别平均精确率可达97.8％,单幅图像平均检测时间仅1.7 ms,单帧视频平均检测时间仅6 ms.分析空怀期母猪发情期与非发情期的交互行为特征,发现母猪发情期较非发情期交互时长与频率均显著提高(P＜0.001).以20 s作为发情检测阈值时,发情检测性为89.1%、准确率为89.6%、灵敏度为90.0%,该方法能够实现发情母猪快速检测.

关键词：经产母猪、发情检测、深度学习、改进YOLO v5s

所属期刊栏目：54

分类号：TP391.41(计算技术、计算机技术)

资助基金：江苏省科技计划项目BE2021363

在线出版日期：2023-03-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：263-270