文献类型： 中文期刊

作者： 刘璎瑛 ¹ ; 曹晅 ¹ ; 郭彬彬 ² ; 陈慧杰 ¹ ; 戴子淳 ² ; 龚长万 ¹ ;

作者机构： 1.南京农业大学人工智能学院

2.江苏省农业科学院畜牧研究所

关键词： 深度学习;YOLO v5;扬州鹅;姿态识别;注意力机制

期刊名称： 南京农业大学学报

ISSN： 1000-2030

年卷期： 2023 年 003 期

页码： 606-614

收录情况： 北大核心 ; CSCD

摘要： [目的]肉鹅姿态是预警肉鹅异常行为、评判肉鹅健康状态的重要指标，针对传统养殖场人工观察肉鹅姿态耗时费力且有很大主观性等问题，提出了一种基于深度学习模型自动识别肉鹅姿态的检测算法。[方法]利用YOLO v5模型对扬州鹅4种姿态（站立、休憩、饮水和梳羽）进行识别；对YOLO v5模型加入SENet、CBAM、ECA三种注意力模块改进网络结构，提高模型的识别能力；设计明暗试验和密集场景试验进一步验证模型在复杂场景下的鲁棒性。[结果]YOLO v5+ECA模型的平均检测精度（mAP）为88.93%,相比YOLO v5提升了2.27%。在识别精度（AP）上，站立姿态为91.85%,休憩姿态为93.42%,饮水姿态为90.02%,梳羽姿态为80.42%。在明暗试验和密集场景试验中，YOLO v5+ECA模型性能表现稳定，漏检现象和误检现象相对较少。[结论]该模型可以实现养殖场复杂场景下肉鹅姿态准确快速检测，为后续肉鹅行为监控和健康防疫提供数据支撑。