基于机器视觉的母猪哺乳行为监测方法研究

作者：刘亚楠; 沈明霞; 刘龙申; 陈佳; 张伟

来源：南京农业大学学报, 2021, 1-11.

• 母猪
• YOLOv5
• db4
• 哺乳时长
• 卷积神经网络
• 实时监测

[目的]针对母猪哺乳行为及哺乳时长的自动化监测水平低、人工观测费时费力等问题，提出一种基于YOLOv5结合db4小波的方法，实现非接触式母猪哺乳行为的判定和哺乳时长的监测。[方法]利用YOLOv5对目标母猪和仔猪进行识别并输出母猪姿态，选择姿态为侧卧的母猪获取其预测框面积，根据哺乳特征的预测框面积变化与哺乳行为建立对应关系，综合判定母猪的哺乳行为和哺乳时长；利用高、低通滤波器对母猪预测框面积进行下采样卷积，判定母猪哺乳行为和哺乳时长；对比加入db4小波前后的识别准确率。[结果]实验表明，加入db4小波前后对哺乳行为时长判定的平均准确率为93.52%和96.04%，对清晰度为720P的视频平均监测速度分别为23.89f/s和19.35f/s。[结论]深层卷积神经网络模型结合db4小波为判定母猪的哺乳行为和哺乳时长提供技术支撑，且已将此系统部署于上海光明农牧云服务器进行实地测试，清晰度为720P的视频监测速度达19.27 f/s，哺乳行为监测准确率达95.8%，识别准确率和监测速度均可满足猪场实际需求。

• 单位
  南京农业大学; 江苏省智能化农业装备重点实验室