共查询到19条相似文献，搜索用时 78 毫秒
1.
针对鸡只呼吸困难这一早期呼吸道疾病显著症状难以检测的问题,提出一种基于YOLO v5与短时跟踪的鸡只呼吸道疾病早期检测方法。对YOLO v5算法进行锚框自适应设置与CIoU Loss (Complete IoU Loss)应用等特定优化后,用于群鸡复杂环境中准确识别鸡头目标并检测是否为张口状态。根据鸡头坐标框交并比实现鸡头目标短时跟踪并获取不同鸡头的短时动作序列,再对动作序列进行分析,判断张口-闭口组合出现的频率,动态检测是否存在鸡只呼吸困难情况。实验结果表明,改进YOLO v5算法检测鸡头目标的mAP为80.1%,张口检测准确率为67.3%,闭口检测准确率为92.8%,基于时间序列的呼吸困难行为检测方法的识别准确率为91.8%,召回率为75%,精准率为67.9%,可为群鸡养殖环境中的鸡只早期呼吸道疾病检测提供参考。 相似文献
2.
人工养殖的雄性梅花鹿在发情期间攻击行为剧增,易造成鹿茸损伤,自动监测其攻击行为能为研究减少攻击行为提供重要依据。本文基于注意力机制和长短记忆序列研究了一种光流注意力网络（Optical flow attention attacking recognition network, OAAR）,对梅花鹿的攻击、采食、躺卧、站立行为进行识别。OAAR网络包括前置网络、基础网络和时序网络,前置网络由LK光流算法（Lucas kanade optical flow algorithm）组成,用于提取RGB数据光流信息;基础网络中采用自注意力模块,将ResNet-152网络改造为ARNet152（Attention ResNet-152）,用于将RGB、光流数据集经ARNet152提取特征后输入时序网络;时序网络采用添加注意力模块的长短记忆序列（Attention long short term network,ALST）,并通过分类器输出行为得分和分类结果。视频数据集包括10942段,共310574帧,划分为攻击、采食、站立和躺卧4个大类,攻击行为又划分为撞击、脚踢和追逐3个小类;训练集、验证集和测试集比例为3∶1∶1。研究结果显示,OAAR模型在测试集上正确率为97.45%、召回率为97.46%、F1值为97.45%,ROC曲线中各类识别效果良好,特征嵌入图中各类行为特征区分度较高,各项结果均优于LSTM、双流I3D和双流ITSN网络,具有较好的泛化能力和抗干扰性。在本研究算法基础上集成的鹿只行为自动识别采集系统,为提高梅花鹿养殖生产管理水平和生产效率提供了技术基础。 相似文献
3.
内蒙古自治区草地资源丰富,养羊业为自治区的主要畜牧业,通过对放牧羊只牧食行为的识别并结合GPS监测其牧食路径,可为估测放牧区域采食量分布、放牧规划和草畜平衡的研究提供理论依据。本文采用三轴加速度传感器,设计了放牧羊只牧食行为数据无线采集系统,自动采集羊只牧食的三轴加速度数据,并建立羊只牧食行为识别的BP神经网络模型、全连接深度神经网络模型和卷积神经网络模型,实现对羊只采食、咀嚼、反刍3种牧食行为的分类识别。在内蒙古自治区四子王旗白音朝克图镇半荒漠化草场的试验结果表明,BP神经网络模型、全连接深度神经网络模型和卷积神经网络模型对羊只牧食行为的平均识别率分别为83.1%、89.4%和93.8%,其中卷积神经网络模型的识别精度最高,能够满足羊只牧食行为分类识别的要求。 相似文献
4.
为实现苹果果径与果形快速准确自动化分级,提出了基于改进型SSD卷积神经网络的苹果定位与分级算法。深度图像与两通道图像融合提高苹果分级效率,即对从顶部获取的苹果RGB图像进行通道分离,并提取分离通道中影响苹果识别精度最大的两个通道与基于ZED双目立体相机从苹果顶部获取的苹果部分深度图像进行融合,在融合图像中计算苹果的纵径相关信息,实现了基于顶部融合图像的多个苹果果形分级和信息输出;使用深度可分离卷积模块替换原SSD网络主干特征提取网络中部分标准卷积,实现了网络的轻量化。经过训练的算法在验证集下的识别召回率、精确率、mAP和F1值分别为93.68%、94.89%、98.37%和94.25%。通过对比分析了4种输入层识别精确率的差异,实验结果表明输入层的图像通道组合为DGB时对苹果的识别与分级mAP最高。在使用相同输入层的情况下,比较原SSD、Faster R-CNN与YOLO v5算法在不同果实数目下对苹果的实际识别定位与分级效果,并以mAP为评估值,实验结果表明改进型SSD在密集苹果的mAP与原SSD相当,比Faster R-CNN高1.33个百分点,比YOLO v5高14.23个百分点... 相似文献
5.
蛋鸭行为模式是判断笼养鸭养殖过程中健康状况及福利状态的重要指标，为了通过机器视觉实现识别蛋鸭多行为模式，提出了一种基于改进YOLO v4 (You only look once)的目标检测算法，不同的行为模式为蛋鸭的养殖管理方案提供依据。本文算法通过更换主干特征提取网络MobileNetV2,利用深度可分离卷积模块，在提升检测精度的同时降低模型参数量，有效提升检测速度。在预测输出部分引入无参数的注意力机制SimAM模块，进一步提升模型检测精度。通过使用本文算法对笼养蛋鸭行为验证集进行了检测，优化后模型平均精度均值达到96.97%,图像处理帧率为49.28 f/s,相比于原始网络模型，平均精度均值及处理速度分别提升5.03%和88.24%。与常用目标检测网络进行效果对比，改进YOLO v4网络相较于Faster R-CNN、YOLO v5、YOLOX的检测平均精度均值分别提升12.07%、30.6%及2.43%。将本文提出的改进YOLO v4网络进行试验研究，试验结果表明本文算法可以准确地对不同时段的笼养蛋鸭行为进行记录，根据蛋鸭表现出的不同行为模式来帮助识别蛋鸭的异常情况，如部分行为发... 相似文献
6.
日常行为是家畜健康状况的重要体现,在传统的行为识别方法中,通常需要人工或者依赖工具对家畜进行观察。为解决以上问题,基于YOLO v5n模型,提出了一种高效的绵羊行为识别方法,利用目标识别算法从羊圈斜上方的视频序列中识别舍养绵羊的进食、躺卧以及站立行为。首先用摄像头采集养殖场中羊群的日常行为图像,构建绵羊行为数据集;其次在YOLO v5n的主干特征提取网络中引入SE注意力机制,增强全局信息交互能力和表达能力,提高检测性能;采用GIoU损失函数,减少训练模型时的计算开销并提升模型收敛速度;最后,在Backbone主干网络中引入GhostConv卷积,有效地减少了模型计算量和参数量。实验结果表明,本研究提出的GS-YOLO v5n目标检测方法参数量仅为1.52×106,相较于原始模型YOLO v5n减少15%;浮点运算量为3.3×109,相较于原始模型减少30%;且平均精度均值达到95.8%,相比于原始模型提高4.6个百分点。改进后模型与当前主流的YOLO系列目标检测模型相比,在大幅减少模型计算量和参数量的同时,检测精度均有较高提升。在边缘设备上进行部署,达到了实时检测要求,可准确快速地对绵羊进行定位并检测。 相似文献
7.
反刍行为与奶牛生产、繁殖性能及疾病等因素密切相关,针对非接触式奶牛反刍行为分析受牛只自身运动或背景干扰等不足,提出改进FlowNet 2.0光流算法,首先计算垂直光流分量替代光流速度构建光流图,消除水平运动对光流分析干扰;其次设置光流阈值避免垂直光流中头部运动光流干扰;同步计算反刍区域面积阈值提取区域内光流数据,避免目标对象头部运动对反刍光流的影响;最后滤波拟合计算反刍曲线,确定曲线周期,增大波峰波谷差值,提升奶牛反刍咀嚼频次计数的准确性。以不同场景下20头奶牛的30段反刍行为视频为数据集,验证本文方法的有效性、鲁棒性与准确性,试验结果表明,改进FlowNet 2.0光流算法计算奶牛反刍咀嚼频次准确率为99.39%,相较于FlowNet 2.0光流算法准确率提升5.75个百分点。 相似文献
8.
基于时空信息融合的母猪哺乳行为识别 总被引：2，自引：0，他引：2
及时获取准确的母猪哺乳行为信息对提高猪只集中养殖效益至关重要。本文旨在建立深度学习网络，融合时空信息，实现自动识别母猪哺乳行为。识别过程主要分2个阶段：母猪哺乳区域时空定位和哺乳区域时空信息特征提取、融合及识别。首先将俯拍视频图像序列输入Mask R-CNN，ResNet-101+FPN作为基础网络输出特征图输入区域生成网络，生成母猪检测候选框并分别输入母猪姿态识别分支和关键点检测分支，若母猪姿态被识别为侧卧则利用关键点检测分支输出关键点坐标，确定母猪哺乳区域，实现哺乳行为感兴趣时空区域定位。然后，在感兴趣时空区域中，利用双流卷积网络，进行时间流和空间流特征提取。最后利用串接卷积融合方式，识别序列图像中母猪是否进行哺乳。试验结果显示，用于哺乳区域空间定位的关键点的综合召回率Rk和精准率Pk分别为94.37%和94.53%，母猪哺乳行为识别正确率为97.85%，灵敏度为94.92%，特异度为98.51%。 相似文献
9.
智能虫情测报灯下害虫的精准识别和分类是实现稻田虫情预警的前提,为解决水稻害虫图像识别过程中存在分布密集、体态微小、易受背景干扰等造成识别精度不高的问题,提出了一种基于MS-YOLO v7（Multi-Scale-YOLO v7）轻量化稻飞虱识别分类方法。首先,采用稻飞虱害虫诱捕装置搭建稻飞虱害虫采集平台,获取的稻飞虱图像构成ImageNet数据集。然后,MS-YOLO v7目标检测算法采用GhostConv轻量卷积作为主干网络,减小模型运行的参数量;在Neck部分加入CBAM注意力机制模块,有效强调稻飞虱区别度较高的特征通道,抑制沉冗无用特征,准确提取稻飞虱图像中的关键特征,动态调整特征图中不同通道的权重;将SPPCSPS空间金字塔池化模块替换SPPFS金字塔池化模块,提高网络模型对各分类样本的特征提取能力;同时将YOLO v7模型中的SiLU激活函数替换为Mish激活函数,增强网络的非线性表达能力。试验结果表明,改进后的MS-YOLO v7在测试集上的模型平均精度均值（Mean average precision,mAP）为95.7%,精确率（Precision）为96.4%,召回率（Recall）为94.2%,与Faster R-CNN、SSD、YOLO v5、YOLO v7网络模型相比mAP分别提高2.1、3.4、2.3、1.6个百分点,F1值分别提高2.7、4.1、2.5、1.4个百分点。改进后的模型内存占用量、参数量、浮点运算数分别为63.7MB、2.85×107、7.84×1010,相比YOLO v7模型分别缩减12.5%、21.7%、25.4%,MS-YOLO v7网络模型对稻飞虱种间害虫均能实现高精度的识别与分类,具有较好的鲁棒性,可为稻田早期稻飞虱虫情预警提供技术支持。 相似文献
10.
为快速准确获取玉米收获过程中遗失籽粒数信息,进行收割损失调节等管理,对比评估了单阶段和两阶段主流目标检测网络对田间玉米籽粒计数的性能。首先,利用RGB相机获取包含不同背景和不同光照的图像数据,并进一步生成数据集;其次,构建籽粒识别的不同目标检测网络,包括Mask R-CNN、EfficientDet-D5、YOLOv5-L、YOLOX-L,并利用所采集的420幅有效图像对构建的四种网络进行训练、验证、测试,图像数分别为200、40和180幅;最后,依据测试集图像的识别结果进行籽粒计数性能评价。试验结果表明,YOLOv5-L网络对测试集图像检测的平均精度为78.3%,模型尺寸仅为89.3 MB;籽粒计数的检测正确率、漏检率和F1值分别为90.7%、9.3%和91.1%,处理速度为55.55 f/s,识别与计数性能均优于Mask R-CNN、EfficientDet-D5和YOLOX-L网络,并对具有不同地表遮挡程度和籽粒聚集状态的图像具有较强的鲁棒性。深度学习目标检测网络YOLOv5-L可实现实际作业中玉米收获损失籽粒的实时监测,精度高、适用性强。 相似文献
11.
针对目前人工识别羊个体疼痛过程中存在的经验要求高、识别准确率低、消耗成本高、延误疾病治疗等问题,引入当前主流图像分类网络VGGNet（Visual geometry group network）对有疼痛和无疼痛的羊脸表情进行识别,提出一种基于改进VGGNet的羊脸痛苦表情识别算法,改进后的网络为STVGGNet（Spatial transformer visual geometry group network）。该算法将空间变换网络引入VGGNet,通过空间变换网络增强对羊脸痛苦表情特征区域的关注程度,提高对羊脸痛苦表情的识别准确率。本文对原有的羊脸表情数据集进行了扩充,新增887幅羊脸表情图像。但是新的数据集图像数量仍然较少,所以本文利用ImageNet数据集进行迁移学习,微调后用来自动分类有痛苦和无痛苦的羊脸表情。对羊面部表情数据集的实验结果表明,使用STVGGNet实现的最佳训练准确率为99.95%,最佳验证准确率为96.06%,分别比VGGNet高0.15、0.99个百分点。因此,本文采用的模型在羊脸痛苦表情识别中有非常好的识别效果并且具有较强的鲁棒性,为畜牧业中羊的疾病检测智能化发展提供了技术支撑。 相似文献
12.
针对目前人工识别羊个体疼痛过程中存在的经验要求高、识别准确率低、消耗成本高、延误疾病治疗等问题,引入当前主流图像分类网络VGGNet(Visual geometry group network)对有疼痛和无疼痛的羊脸表情进行识别,提出一种基于改进VGGNet的羊脸痛苦表情识别算法,改进后的网络为STVGGNet(Spatial transformer visual geometry group network)。该算法将空间变换网络引入VGGNet,通过空间变换网络增强对羊脸痛苦表情特征区域的关注程度,提高对羊脸痛苦表情的识别准确率。本文对原有的羊脸表情数据集进行了扩充,新增887幅羊脸表情图像。但是新的数据集图像数量仍然较少,所以本文利用ImageNet数据集进行迁移学习,微调后用来自动分类有痛苦和无痛苦的羊脸表情。对羊面部表情数据集的实验结果表明,使用STVGGNet实现的最佳训练准确率为99.95%,最佳验证准确率为96.06%,分别比VGGNet高0.15、0.99个百分点。因此,本文采用的模型在羊脸痛苦表情识别中有非常好的识别效果并且具有较强的鲁棒性,为畜牧业中羊的疾病检测智... 相似文献
13.
虽然我们的羊肉在质量等到方面与国外有一定的差距,但也有我们自身的优势。生产成本、价格、劳动力资源等从地缘、竞争对手、进口国、出口价格等考虑,均有竞争优势,发展前景很好。 相似文献
14.
羊胴体自动化分割对于提高羊屠宰加工企业生产效率有重要意义。为实现将羊胴体点云精准高效地分割为多分体,研究了一种基于表面凹凸性的羊胴体点云分割方法。以倒挂状态下的巴美肉羊胴体为研究对象,利用三维激光扫描仪获取羊胴体点云。首先,对羊胴体点云进行预处理,去除离群点噪声和采用体素滤波的方法进行下采样;并将羊胴体点云超体素化,以获取超体素邻接图;然后,对超体素邻接图中相邻点云的公共边进行凹凸性判断,将凹边凸边赋予不同权重;并由得分评估函数计算不同权重点云的得分,将结果与参数Smin作比较;最后,根据比较结果确定分割区域,完成对羊胴体点云的分割。试验结果表明：羊胴体点云分割的平均精确度、平均召回率、平均F1值和平均总体准确率分别为92.3%、91.3%、91.8%、92.1%。各分体的平均分割精确度分别为92.7%、90.7%、92.6%、93.2%、92.5%、92.2%,各分体的平均分割召回率分别为86.0%、93.2%、92.8%、91.6%、90.9%、93.4%,处理单只羊胴体点云的平均时长为18.82 s。通过处理多分体组合点云以及多体型羊胴体点云判断本文方法的适... 相似文献
15.
16.
自走式肉羊饲喂机的设计与试验 总被引：3，自引：0，他引：3
介绍了自走式肉羊饲喂机的主要结构组成及工作原理。为研究其工作性能,选取多浪羊为试验对象,采用饲喂机加工后的全混合日粮进行饲喂,以肉羊增重和饲料残留量为试验指标开展试验。试验结果表明:自走式肉羊饲喂机加工的全混合日粮变异系数为8.9%,混合均匀度为91.1%,饲料搅拌混合均匀,满足肉羊饲料食用要求;对于肉羊养殖,采用全混合日粮自由采食饲养方式较人工分饲方式增重效果极显著(P0.01);饲料残留量减少极显著(P0.01)。本自走式肉羊饲喂机的研制满足了肉羊饲喂的要求,可以提高经济效益。 相似文献
17.
待宰环节显著影响羊肉品质,有必要研究待宰时间对肉羊应激水平和羊肉品质的影响。选取小尾寒羊为研究目标,通过比较不同待宰时间(0、3、6、12、18、24 h)对5 h运输后小尾寒羊应激水平和羊肉品质的影响,建立适宜的待宰时长,指导羊肉生产。结果表明,12 h的待宰时间能够提高肉羊肌糖原含量至(7. 74±0. 98) mg/g,降低最终p H值至5. 57±0. 14,提高了羊肉的嫩度。血浆皮质醇质量浓度和肌酸激酶活性随待宰时间的延长先下降后上升,在待宰12 h时达到较低值,分别为(39. 98±5. 04) ng/m L和(277. 64±19. 88) U/L,表明待宰12 h能使肉羊从运输所造成的应激中得到缓解。此外,随着待宰时间的延长,小尾寒羊体质量损失增加且在待宰时间达到24 h后红细胞压积和血红蛋白质量浓度上升,分别达到(40. 63±0. 85)%和(14. 01±0. 23) g/d L,表明待宰时间过长对小尾寒羊造成了新的应激。综合以上指标,待宰12 h能够在保证小尾寒羊最低体质量损失的情况下,使肉羊从应激中得到缓解,提高其动物福利水平和羊肉品质。 相似文献
18.
研究了羊骨架图像生成技术与基于ICNet的羊骨架图像实时语义分割方法。通过DCGAN、SinGAN、BigGAN 3种生成对抗网络生成图像效果对比,优选BigGAN作为羊骨架图像生成网络,扩充了羊骨架图像数据量。在此基础上,将生成图像与原始图像建立组合数据集,引入迁移学习训练ICNet,并保存最优模型,获取该模型对羊骨架脊椎、肋部、颈部的分割精度、MIoU以及单幅图像平均处理时间,并以此作为羊骨架图像语义分割效果的评判标准。结果表明,最优模型对羊骨架3部位分割精度和MIoU分别为93.68%、96.37%、89.77%和85.85%、90.64%、75.77%,单幅图像平均处理时间为87 ms。通过模拟不同光照条件下羊骨架图像来判断ICNet的泛化能力,通过与常用的U Net、DeepLabV3、PSPNet、Fast SCNN 4种图像语义分割模型进行对比来验证ICNet综合分割能力,通过对比中分辨率下不同分支权重的网络分割精度来寻求最优权值。结果表明,ICNet与前3种模型的分割精度、MIoU相差不大,但处理时间分别缩短了72.98%、40.82%、88.86%;虽然Fast SCNN单幅图像处理时间较ICNet缩短了43.68%,但MIoU降低了4.5个百分点,且当中分辨率分支权重为0.42时,ICNet分割精度达到最高。研究表明本文方法具有较高的分割精度、良好的实时性和一定的泛化能力,综合分割能力较优。 相似文献
19.
特色产业的发展能够很好地推动当地经济发展,滩羊产业是甘肃省环县著名的特色产业,为当地带来较大利益.通过问卷调查的方法分析了环县滩羊产业的发展现状,具体包括4个方面:环县以草食畜饲养为主的发展雏形已经形成;滩羊的养殖方式为半放牧半舍饲和舍饲养殖交织;养殖历史悠久;养殖户对滩羊产业发展前景看好且继续养殖意愿高.同时发现环县... 相似文献