基于机器视觉的断奶仔猪腹泻自动识别方法

发布时间：2022-12-17 22:22

　　[目的]断奶仔猪腹泻严重影响养猪业的经济效益,本试验基于机器视觉技术提出一种排泄姿态与异常粪便结合的断奶仔猪腹泻检测方法以实现断奶仔猪腹泻的快速、准确检测。[方法]以深层卷积神经网络（convolutional neural networks,CNN）为基础构建腹泻检测分类模型,实现仔猪身份、姿态与异常粪便的一体化识别,对比不同迭代次数对模型效果的影响,选取最优模型;提出时空信息融合判定法,从时间序列先后和空间距离远近两方面,关联最优模型识别出的目标姿态与病便,实现断奶仔猪腹泻的视频检测。[结果]在训练迭代25 000次时接近模型最优值,对姿态、病便等目标识别的平均精度均值和召回率分别为95.75%和89.13%;基于时空信息融合方法的断奶仔猪腹泻视频检测识别准确率和召回率分别为97.92%和95.92%。[结论]深层卷积神经网络分类模型结合时空信息融合判定法为断奶仔猪腹泻自动识别提供了有力的技术支撑。 

【文章页数】：10 页

【文章目录】：
1 材料与方法
    1.1 试验数据
        1.1.1 数据采集
        1.1.2 数据集内容
        1.1.3 数据集制作
    1.2 断奶仔猪腹泻检测模型设计与训练
        1.2.1 模型网络结构
        1.2.2 模型损失函数
        1.2.3 模型训练参数
        1.2.4 模型评价指标
    1.3 时空信息融合法判定断奶仔猪腹泻
        1.3.1 仔猪排泄行为识别方法
        1.3.2 仔猪腹泻视频检测方法
2 结果与分析
    2.1 不同迭代次数对模型效果的影响
    2.2 时空信息融合法在断奶仔猪视频检测中的应用
        2.2.1 断奶仔猪行为检测时的姿态段简化
        2.2.2 断奶仔猪腹泻视频检测试验
3 讨论


【参考文献】：
期刊论文
[1]基于操作码的安卓恶意代码多粒度快速检测方法[J]. 张雪涛,孙蒙,王金双.  网络与信息安全学报. 2019(06)
[2]基于深层卷积神经网络的初生仔猪目标实时检测方法[J]. 沈明霞,太猛,CEDRIC Okinda,刘龙申,李嘉位,孙玉文.  农业机械学报. 2019(08)
[3]断奶仔猪腹泻的诊治[J]. 冯驹.  现代农业科技. 2019(08)
[4]基于深度学习的群猪图像实例分割方法[J]. 高云,郭继亮,黎煊,雷明刚,卢军,童宇.  农业机械学报. 2019(04)
[5]断奶仔猪腹泻的防控方案[J]. 裘小波.  今日畜牧兽医. 2019(02)
[6]基于机器视觉的水下河蟹识别方法[J]. 赵德安,刘晓洋,孙月平,吴任迪,洪剑青,阮承治.  农业机械学报. 2019(03)
[7]基于Kinect的哺乳期母猪姿态识别算法的研究[J]. 施宏,沈明霞,刘龙申,陆明洲,孙玉文,刘志刚.  南京农业大学学报. 2019(01)
[8]基于改进Faster R-CNN识别深度视频图像哺乳母猪姿态[J]. 薛月菊,朱勋沐,郑婵,毛亮,杨阿庆,涂淑琴,黄宁,杨晓帆,陈鹏飞,张南峰.  农业工程学报. 2018(09)
[9]畜禽行为及生理信息的无损监测技术研究进展[J]. 汪开英,赵晓洋,何勇.  农业工程学报. 2017(20)
[10]壳聚糖对断奶仔猪生长性能、粪便评分及血清激素和T淋巴细胞亚群的影响[J]. 徐元庆,王哲奇,史彬林,岳远西,秦哲,闫素梅.  动物营养学报. 2017(05)



本文编号：3720758