共查询到10条相似文献，搜索用时 18 毫秒
1.
基于卷积神经网络的奶牛发情行为识别方法 总被引：6，自引：0，他引：6
对奶牛发情的及时监测在奶牛养殖中至关重要。针对现有人工监测奶牛发情行为费时费力、计步器接触式监测会产生奶牛应激行为等问题,根据奶牛发情的爬跨行为特征,提出一种基于卷积神经网络的奶牛发情行为识别方法。构建的卷积神经网络通过批量归一化方法提高网络训练速度,以Max-pooling为下采样,修正线性单元(Rectified linear units,Re LU)为激活函数,Softmax回归分类器为输出层,结合理论分析和试验验证,确定了32×32-20c-2s-50c-2s-200c-2的网络结构和参数。经过对奶牛活动区50头奶牛6个月的视频监控,筛选了具有发情行为爬跨特征的视频150段,随机选取网络训练数据23 000幅和测试数据7 000幅,对构建的网络进行了训练和测试。试验结果表明:本文方法对奶牛发情行为识别准确率为98. 25%,漏检率为5. 80%,误识别率为1. 75%,平均单幅图像识别时间为0. 257 s。该方法能够实现奶牛发情爬跨的无接触实时监测,对奶牛发情行为具有较高的识别率,可显著提高规模化奶牛养殖的管理效率。 相似文献
2.
3.
4.
5.
针对奶牛企业人工监测奶牛发情期效率和准确率不高的问题,设计开发了基于ARM9的奶牛运动量无线采集系统.该系统通过检测奶牛运动步数的显著增加来判断奶牛的发情期.采用ND-2振动传感器采集奶牛的运动步数,经单片机MSP430F149简单处理后,由无线收发芯片nRF903发送至基于S3C2440的嵌入式主机进行统一监控和管理.试验表明,奶牛发情期运动步数增加2～3倍,奶牛发情期判断的准确率得到了提高,同时减少了奶牛企业的工作量,提高了奶牛企业的经济效益.为此,着重介绍了终端采集分机的硬件设计、无线数据通信协议和系统软件的设计. 相似文献
6.
奶牛身体部位的精准分割广泛应用于奶牛体况评分、姿态检测、行为分析及体尺测量等领域。受奶牛表面污渍和遮挡等因素的影响,现有奶牛部位精准分割方法实用性较差。本研究在YOLO v8n-seg模型的基础上,加入多尺度融合模块与双向跨尺度加权特征金字塔结构,提出了YOLO v8n-seg-FCA-BiFPN奶牛身体部位分割模型。其中,多尺度融合模块使模型更好地提取小目标几何特征信息,双向跨尺度加权特征金字塔结构实现了更高层次的特征融合。首先在奶牛运动通道处采集奶牛侧面图像作为数据集,为保证数据集质量,采用结构相似性算法剔除相似图像,共得到1452幅图像。然后对目标奶牛的前肢、后肢、乳房、尾部、腹部、头部、颈部和躯干8个部位进行标注并输入模型训练。测试结果表明,模型精确率为96.6%,召回率为94.6%,平均精度均值为97.1%,参数量为3.3×106,检测速度为6.2f/s。各部位精确率在90.3%~98.2%之间,平均精度均值为96.3%。与原始YOLO v8n-seg相比,YOLO v8n-seg-FCA-BiFPN的精确率提高3.2个百分点,召回率提高2.6个百分点,平均精度均值提高3.1个百分点,改进后的模型在参数量基本保持不变的情况下具有更强的鲁棒性。遮挡情况下该模型检测结果表明,精确率为93.8%,召回率为91.67%,平均精度均值为93.15%。结果表明,YOLO v8n-seg-FCA-BiFPN网络可以准确、快速地实现奶牛身体部位精准分割。 相似文献
7.
奶牛表型特征是评价奶牛成长状况的一项重要参数,为减少奶牛的应激性且能便捷地获取奶牛几何表型尺寸,运用图像处理技术提取奶牛表型特征参数,设计了一款针对深度图像和点云数据的奶牛几何表型特征获取系统。对奶牛深度图像采用背景减去法、阈值分割、滤波和空洞填充等方法获取奶牛目标区域,对目标采用边缘检测、角点检测和凸包运算等检测特征点,最后对应点云数据获得奶牛表型特征尺寸。系统现场试验结果表明,系统获取的体重准确性在98%以上,体尺准确性在96%以上,系统工作稳定、测量精度高,为实现数字化养殖打下了基础,具有很好的应用前景。 相似文献
8.
基于单片机的奶牛精量饲喂系统的设计研究 总被引：2，自引：0，他引：2
开发了由PC机为管理平台基于单片微机控制的奶牛精量饲喂系统,介绍了系统的硬件、软件设计等方面的问题。本系统以PC机为管理软件运行平台,以ETR100嵌入式系统为控制平台,共同作为奶牛个体识别的Rf射频身份识别系统和给料系统的核心。该系统能够实现奶牛身份自动识别,并通过采集奶牛信息,根据不同情况自动计算奶牛应喂的精料量及饲喂次数,自动分多次、分时段对每头奶牛进行精量饲喂。经试验证明,该系统可靠性高、稳定性好、功能强、可扩展性好等,有广阔的开发应用前景。 相似文献
9.
《农业机械学报》2019,(Z1)
针对奶牛行为监测耗费人力、监测精度低等问题,以无线传输颈环获得的数据为研究对象,提出了一种基于萤火虫算法优化支持向量机参数的奶牛行为分类方法。该方法利用萤火虫寻优算法优化支持向量机的参数,达到较高的分类精度。实验结果表明,无线传输颈环能够实时采集和传输奶牛颈部活动信息,并能有效区分不同奶牛的进食、反刍、饮水3种行为,适用性有了较大提高,其中,分类精度、灵敏度和准确率平均值分别达到97. 28%、97. 03%、98. 02%。对比常规的支持向量机算法,本文方法对同一奶牛的分类精度、灵敏度、准确率平均值分别提高了13. 39、28. 2、18. 8个百分点;不同奶牛的分类精度、灵敏度、准确率平均值分别提高了0. 74、2. 24、2. 12个百分点。本文研究结果可为奶牛异常行为检测、疾病智能化预警提供技术支持。 相似文献
10.
为从海量监控视频中快速、准确识别影响奶牛繁殖与健康的行为,以小育成牛舍与泌乳牛舍中400头奶牛为研究对象,分析了奶牛在活动区与奶厅匝道的运动行为,提出了一种基于图像熵的奶牛目标对象识别方法,通过最小包围盒面积计算与目标对象轮廓图,实时捕获奶牛爬跨行为与蹄部、背部特征,融合被识别奶牛连续7 d的运动量,判断影响奶牛健康繁殖的异常行为。试验结果表明,利用本文方法对监控视频内奶牛目标对象、运动行为进行实时监测,有效监控识别奶牛发情、蹄病行为准确率超过80%,发情漏检率最低为3.28%,蹄病漏检率最低为5.32%,提高了规模化养殖管理效率。 相似文献