常态养殖下妊娠母猪体质量智能测定模型

文献类型： 中文期刊

第一作者： 肖德琴

作者： 肖德琴;刘俊彬;刘又夫;黄一桂;谭祖杰;熊本海

作者机构：

关键词： 计算机视觉;深度学习;妊娠母猪;质量测定;卷积神经网络

期刊名称： 农业工程学报

ISSN： 1002-6819

年卷期： 2022 年 0S1 期

页码： 161-169

收录情况： EI ; 北大核心 ; CSCD

摘要： 针对常态养殖下视频图像中常见的遮挡问题，该研究借鉴深度学习技术中的实例分割和关键点检测算法，提出了基于深度学习的妊娠母猪体质量智能测定模型（Intelligent Mass Measurement Model for Gestating Sows, IMMM-GS）。该模型包括基于Mask R-CNN的猪只实例分割算法、基于Keypoint R-CNN的猪只关键点检测算法和基于改进的ResNet网络的猪只质量估测算法3个主要算法，用以处理常态环境下围栏、食槽、排泄物等影响猪体质量估测的典型遮挡问题。试验使用48头妊娠母猪6个月的常态视频图像和猪体质量数据进行数据集构建和试验分析，模型在测试集上的均方根误差为3.01 kg，相较于以ConvNeXt和Res Net为骨干网络的模型分别降低2.14和7.86 kg，模型精度得到较大提升。此外，该模型还对10头妊娠母猪进行了3个月的猪体质量跟踪监测验证，在图像大小为2 688×1 520的情况下，每幅图像的平均估算速度为0.684s，估测质量与真实质量的均方根误差平均值为3.24kg，计算速度与精度基本满足实时运算需求。IMMM-GS模型能够利用常态视频长时间实时评估母猪妊娠期的质量增长规律、妊娠母猪发育状况、估测预产期和产仔数等繁殖性能提供了数据支持，具有广阔的应用前景。

分类号： S828%TP391.41

  • 相关文献

[1]基于深度学习的类球状水果采摘识别算法研究进展. 李辉,张俊,俞烁辰,李志鑫. 2025

[2]用于农作物种植信息提取的图像分割技术研究进展. 黄祥,王克晓,李波,吴园. 2023

[3]基于深度学习算法的凡纳滨对虾生长表型测定系统研发及应用. 张士薇,代平,高广春,孟宪红,罗坤,隋娟,谭建,傅强,曹家旺,陈宝龙,李旭鹏,强光峰,邢群,戚云辉,孔杰,栾生. 2025

[4]深度学习方法在农业领域的研究及应用. 马聪,张建华,陈学东,朱丹. 2020

[5]基于深度卷积神经网络的红树林物种无人机监测研究. 黄亦其,刘琪,赵建晔,黄文善,孙中宇,乔曦. 2020

[6]基于卷积神经网络的农机图像自动识别研究. 雷雪梅,张光强,姚旗,刘伟渭,邱帅. 2022

[7]卷积神经网络在农业病虫害识别中的应用. 张耀丽,许宁,宋裕民,孟庆山,侯旭,李虎. 2023

[8]基于ResNet深度残差网络的白喉乌头检测. 梁俊欢,董峦,阿斯娅·曼力克,孙宗玖,魏鹏,马海燕,艾尼玩·艾买尔,阿仁,郑逢令. 2023

[9]一种基于深度学习的水稻种子分类方法. 王晓飞,刘维,巫浩翔,陈浩,张丽婷,潘朝阳,何秀英. 2024

[10]基于深度学习模型的种植结构复杂区农作物精细分类研究. 田甜,王迪,王珍,李会宾. 2022

[11]面向植物病害识别的卷积神经网络精简结构Distilled-MobileNet模型. 邱文杰,叶进,胡亮青,杨娟,李其利,莫贱友,易万茂. 2021

[12]一种边缘辅助的卫星影像云修复卷积神经网络. 张雨姝,戴佩玉. 2024

[13]基于卷积神经网络的家蚕病害识别研究. 石洪康,肖文福,黄亮,胡丛武,胡光荣,张剑飞. 2022

[14]基于Faster R-CNN网络的茶叶嫩芽检测. 朱红春,李旭,孟炀,杨海滨,徐泽,李振海. 2022

[15]基于卷积神经网络的家蚕幼虫品种智能识别研究. 石洪康,田涯涯,杨创,陈宇,粟思源,张智勇,张剑飞,蒋猛. 2020

[16]基于3-2D融和模型的毛虾捕捞渔船行为识别. 张佳泽,张胜茂,王书献,杨昱皞,戴阳,熊瑛. 2022

[17]基于卷积神经网络的水稻虫害识别. 梁万杰,曹宏鑫. 2017

[18]基于分层卷积神经网络的牧草种子识别模型. 王欣宇,马玉宝,潘新,闫伟红. 2021

[19]基于深度学习的杂草识别方法研究进展. 付豪,赵学观,翟长远,郑康,郑申玉,王秀. 2023

[20]深度学习在农业领域的研究与应用. 梁美静,毛克彪,郭中华,袁紫晋. 2024

作者其他论文 更多>>

微信小程序