基于改进YOLO v5s和图像融合的笼养鸡死鸡检测方法研究

[目的]针对规模化养殖环境下死鸡巡检自动化程度低、人工巡检费时费力等问题,提出一种基于图像配准融合算法和改进YOLO v5s的死鸡检测方法。[方法]为提高死鸡目标特征的显著性,利用SURF算法结合RANSAC算法实现热红外与可见光图像的特征点匹配,采用仿射变换模型得到配准图像,使用小波变换实现图像的分解重构,从而得到最终的配准融合图像;为降低背景信息对死鸡目标检测的干扰,提升模型对鸡只遮挡情况的检测效果,以YOLO v5s目标检测算法为基础,通过加入SE注意力模块,将CIoU_Loss和DIoU_NMS运用于原模型,构成改进后的YOLO v5s-SE模型。[结果]配准融合后的图像与源图像的相关系数平均值达到0.86,体现了良好的配准融合效果;模型在融合图像上的检测准确率以及平均精度均值均高于可见光图像和红外图像,改进后的YOLO v5s-SE相较于原始YOLO v5s在融合数据集上的检测准确率提升了3.3%,达到97.7%。[结论]改进后的YOLO v5s-SE在保证应有检测速度的同时提升了目标检测的精度,可满足实际生产中死鸡实时检测的需求。

家禽亚健康状态监测与健康预警展望

家禽亚健康是指家禽介于健康与疾病间的过渡状态,其监测与识别对于家禽健康预警和养殖收益均具有重要意义。家禽养殖在健康状况下可获得最大收益,但实际生产中疾病常发现于亚临床状态,于临床状态才开始药物治疗。而有效地在亚健康到亚临床之间介入,通过饲养管理、营养调控等方法使其恢复到健康状态,将有巨大的效益与价值。因此及时辨别家禽亚健康状态对早期疾病预警意义重大。本文讨论了家禽亚健康的意义及产生原因,列举了针对家禽的生理信息监测技术和评估家禽健康的方法,探讨了家禽亚健康监测的可行性和潜力;最后提出了预测家禽健康和评估家禽亚健康状况的新思路。

基于改进YOLO v5s的经产母猪发情检测方法研究

为解决限位栏场景下经产母猪查情难度大、过于依赖公猪试情和人工查情的问题,提出了一种基于改进YOLO v5s算法的经产母猪发情快速检测方法。首先,利用马赛克增强方式(Mosaic data augmentation, MDA)扩充数据集,以丰富数据表征;然后,利用稀疏训练(Sparse training, ST)、迭代通道剪枝(Network pruning, NP)、模型微调(Fine tune, FT)等方式重构模型,实现模型压缩与加速;最后,使用DIOU_NMS代替GIOU_NMS,以提高目标框的识别精度,确保模型轻量化后,仍保持较高的检测精度。试验表明,优化后的算法识别平均精确率可达97.8%,单幅图像平均检测时间仅1.7 ms,单帧视频平均检测时间仅6 ms。分析空怀期母猪发情期与非发情期的交互行为特征,发现母猪发情期较非发情期交互时长与频率均显著提高(P<0.001)。以20 s作为发情检测阈值时,发情检测特异性为89.1%、准确率为89.6%、灵敏度为90.0%,该方法能够实现发情母猪快速检测。

基于YOLO v5与短时跟踪的鸡只呼吸道疾病早期检测

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。

基于发声特征和深度学习的白羽肉鸡全生命周期咳嗽检测方法

[目的]高密度养殖模式下笼养肉鸡呼吸系统疾病易发作且难防治,为此本文设计了一种基于发声特征和深度学习的白羽肉鸡全生命周期咳嗽检测方法,自动监测鸡只咳嗽发声,及时提供预警信息。[方法]对10~19日龄、20~29日龄、30日龄后3种不同生长阶段的鸡只发声信号进行数字滤波、谱减法去噪、端点检测等处理,提取滤波器组(filter bank,FBank)和梅尔频率倒谱系数(Mel-frequency cepstral coefficients,MFCC)特征,并与其各自一阶及二阶差分组合,作为VGG16与ResNet18神经网络的输入,完成咳嗽声、鸣叫声、其他声三分类模型训练。[结果]各日龄段利用不同发声特征与神经网络所构建的识别模型均能准确实现发声分类,在10~19日龄、20~29日龄FBank-VGG16模型效果较优,准确率分别为94.29%、97.65%,30日龄后MFCC-ResNet18模型准确率高于其他模型,为98.66%。随着日龄的增长,各模型的总体识别准确率均上升,增幅为3%~7%。[结论]本方法可快速准确对实际生产环境中不同生长阶段的鸡只咳嗽进行识别,为笼养鸡呼吸系统疾病的早期检测提供技术支撑。

基于轻量化网络与注意力机制的育肥猪采食行为识别方法研究

[目的]针对育肥猪采食行为识别误差大、检测速度慢等问题,提出一种具有轻量化结构的育肥猪采食行为检测模型,实现对育肥猪采食行为的快速检测与采食时长统计。[方法]以YOLO v5L目标检测算法为基础,构建侧视视角下的猪只采食行为检测模型。对比更换不同轻量化主干网络后对模型检测效果的影响,选取性能最优的模型;改进ShuffleNet V2网络结构基本单元,采用Mish激活函数提高模型泛化能力与推理速度,引入SE注意力机制给予目标特征更高的权重以提高目标识别精度;对比分析模型增加非营养性访问行为检测前、后的采食行为识别准确率。[结果]优化后的育肥猪采食行为检测模型大小为38.2 MB,计算量为37.8 GFLOPs,视频检测平均帧耗时7.6 ms。与非营养性访问行为进行区分识别后,猪只采食行为检测识别准确率为96.4%,召回率为92.5%。模型检测采食时长与人工统计采食时长相对误差为6.1%。[结论]改进的YOLO v5L-ShuffleNet网络模型检测速度和模型大小均能满足实际生产需求,可在复杂养殖环境中全天候识别育肥猪采食行为。

基于红外热成像与线性回归拟合的母猪体温检测技术研究

体温是判断猪只健康状况的重要指标之一。为了节省传统猪体温测量所需的人力物力,减小对猪只的应激及人畜交叉感染的风险,本研究利用工业级红外热成像仪(Fluke Ti27)拍摄猪只头部红外热辐射图片。使用深度学习目标检测网络YOLOv3对数据集进行训练预测,实现准确识别定位猪只耳朵所在位置。选取猪只耳根部位作为最佳测量部位,利用Fluke Ti27红外热成像仪配套桌面分析和报告软件Fluke Connect SmartView获取的热辐射图片中耳根部位温度信息,研究猪只体温与环境温度、环境湿度、光照强度和耳根部位红外温度之间的相关性,建立以猪只体温为因变量,其他变量为自变量的多元线性回归模型,使用多元线性回归函数Regress对猪只体温进行最优拟合。使用该模型对测试集数据进行预估,结果表明:在不同环境条件下,拟合的猪只体温与猪只实际体温的最大误差值为3.06%,平均绝对误差为1.41%,体温拟合较为准确,误差基本满足养猪行业对猪只体温测量误差的要求。该方法可用于养殖生产中猪体温非接触测量,提高了猪只体温测量的精确度及效率,具有较好的前景。

基于加速度传感器的母猪产前行为特征采集与分析

针对目前大规模集约化养殖对母猪分娩时间判断主要靠饲养员对母猪产前行为连续观察,存在工作繁重,可能由于疏忽而造成仔猪死亡等问题,设计了一种基于三轴加速度传感器和无线传感网络的母猪产前行为特征实时监测系统。该系统利用无线加速度传感器节点采集母猪产前运动信息,根据不同行为的加速度曲线波动性不同,基于K均值聚类算法对行为特征进行识别分析,并进行实时显示和3G无线传输。试验表明:系统能够快速采集和传输母猪运动信息,正确检测出母猪躺卧、站立、吃料、筑窝等典型行为,正确率为87.93%,工作稳定。

基于机器视觉的母猪分娩检测方法研究

检测母猪分娩需对分娩限位栏内的仔猪进行目标识别，分析了母猪分娩视频图像特征，提出首先利用半圆匹配算法进行母猪目标分割，排除母猪运动干扰，基于改进的单高斯模型的背景减除法进行运动目标检测，根据运动区域的颜色和面积特征，对仔猪进行目标识别。试验表明：基于半圆匹配算法的母猪目标识别方法能够有效分割出母猪目标，基于改进单高斯模型的运动目标检测方法，对面积较大、运动缓慢的仔猪目标检测较为完整，适用于母猪分娩检测场景。

基于FPGA的农田图像采集与3G无线传输系统设计

针对目前农田图像采集装置功耗大、成本高、图像无线传输速度慢的问题,设计了一套基于FPGA和3G无线通信技术的农田图像采集传输系统。该系统由农田图像采集终端和远程服务器组成,服务器与终端通过3G无线网络进行图像传输。研究了基于FPGA的JPEG压缩算法,实现了3G模块的驱动与远程数据通信。试验表明,系统能够快速采集图像并进行无线传输,传输一幅图像所需的时间约为5.42 s,无丢帧现象。

基于EfficientDet的围产期母猪姿态识别

围产期母猪母性行为直接影响仔猪的成活率,母猪姿态是其母性行为和筑巢行为的重要表现。针对目前对围产期母猪姿态转换主要依靠人工巡检,费时耗力且主观性强等问题,采集了24头母猪的视频数据并对数据进行预处理,利用EfficientDet网络对产床内母猪图像进行深层次特征提取,实现了母猪站、坐、胸卧、侧卧姿态及其侧卧方向(乳房面向仔猪保温箱、乳房背对仔猪保温箱)的准确识别。结果表明:该模型识别平均精度均值(mAP)达93.97%,对图像的检测速度达26.2 f/s,对视频的检测速度达10.66 f/s。通过对母猪产前及产后24 h的姿态进行分析,母猪产前表现出显著的筑巢行为,姿态转换频率显著提高(P<0.001);母猪产后侧卧时间显著增加,母猪侧卧时长与仔猪窝均质量呈正相关关系;根据母猪侧卧方向的偏好性进行分组比较,母猪偏向于将乳房面向保温箱侧卧的小组,仔猪断奶成活率更高。

母猪运动监测低功耗耳标设备研究

[目的]行为是评价动物健康和福利状况的重要指标之一。针对动物穿戴设备的低功耗和体积小等功能需求,研究一种用于监测围产期母猪运动的低功耗无线加速度采集设备,并将其与RFID标签集成为一个耳标设备以方便佩戴。[方法]将耳标设备的工作模式与母猪行为类型相关联。首先测量耳标设备在1个数据采集周期中休眠、读加速度和无线发送3种工作状态的电流消耗,确定无线发送是最耗电能的阶段;然后分析母猪休息、活动和采食3种类型行为的加速度数据波动特征,提出当数据波动小于阈值(0.088 g)时,使耳标设备处于深度休眠状态,反之,则采集20组数据后进行一次性传输的方法;最后利用8头母猪进行加速度数据采集试验,计算耳标设备的功耗。[结果]研究了一种体积小功耗低的耳标设备及方法,该设备的平均电流功耗为0.014 5 m A,利用1个电压为3 V容量230 m A·h的纽扣电池供电可连续工作663 d。[结论]该方法相比传统的固定周期性采集方法降低了95%的功耗,能够长期稳定地采集母猪加速度数据。

基于ArcEngine的林火视频监测定位系统

为了提高林火视频监控系统的智能化水平,辅助森林防火扑救指挥决策,基于ArcEngine和数据库技术,结合数字云台实时回传的摄像机观测角度,设计林火视频监测定位系统。摄像机水平角和旋转角的准确性是影响系统定位精度的关键因素,研究摄像机水平角和旋转角的校正方法,以减少摄像机的角度误差。以内蒙古白狼林区为例,进行林火视频监测定位系统的单点定位试验。系统对林火识别定位准确,运行稳定可靠。

温室无线传感器网络系统实时数据融合算法

针对温室无线传感器网络(WSN)系统的数据融合要求,提出一种多传感器实时数据融合算法。首先在节点上对各传感器数据序列进行一致性检测和三次指数平滑,然后将平滑后的数据发送到路由器或网关,基于文中提出的无需指数运算的新型支持度函数进行幂均方融合。在江苏农博园现代农业馆玻璃温室中进行了实地试验测试,结果表明:三次指数平滑能够明显减少数据波动;新型支持度函数的幂均方融合精度与高斯型支持度函数相比无显著差异,算法运算时间缩短83.6%,并且融合效果优于算术平均法。

混合架构智能温室信息管理系统的设计

针对物联网型智能温室的信息管理要求,基于客户端/服务器(C/S)和服务器/客户端(B/S)混合架构设计了智能温室信息管理系统。系统由现场管理、数据库和远程管理等3个子系统组成。采用分布图法检测了温室传感器网络离异数据。结合铁皮石斛的耐湿特性,通过Mamdani推理实现了温室空气温度、湿度和光照强度等环境参数的模糊决策。基于异步JavaScript和XML(AJAX)技术构建了Web数据异步交互框架。运用服务器推技术实现了温室机构动作状态的实时同步。系统在江苏农博园现代农业馆智能温室部署运行,成功实现了温室信息局域网的采集、处理、存储、显示和决策,以及广域网的高效远程访问与管理。

畜禽养殖个体信息监测技术研究进展

畜禽养殖个体信息主要包括发情信息、分娩信息、行为信息、体重信息和健康信息。自动化、集约化养殖是养殖业的发展趋势,准确高效地监测动物个体信息有利于分析动物的生理、健康和福利状况,是实现自动化健康养殖和肉品溯源的基础。目前生产中主要依靠人工观测的方式监测动物个体信息,耗时费力且主观性强。本文阐述了畜禽养殖中发情监测、分娩监测、行为监测、体重监测和健康监测等技术的应用研究现状,展望了畜禽养殖个体监测技术后续研究方向。

哺乳母猪高危动作识别方法研究

哺乳母猪从站立、坐立转为趴卧的高危动作是导致断奶前仔猪死亡的主要原因,动作发生频率及变换方式决定了母猪的母性指数。以江苏省农林职业技术学院小梅山原种猪场饲养的小梅山母猪为研究对象,利用MPU6050传感器采集母猪哺乳期内10 d的三轴加速度数据,采用直方图统计法设置运动能量阈值,快速定位高危动作区间,以高危动作发生前后的身体姿态为特征,构建动作分类器,识别高危动作的类型。实验结果表明,对高危动作区间的标注准确率为77.4%,基于姿态的动作类型识别方法纠正了因仔猪碰撞节点产生的误标,识别准确率达到81.7%。利用2种俯卧姿态计算母猪的俯卧指数可为实现母性能力科学评价及育种提供数据依据。

基于MPU6050传感器的哺乳期母猪姿态识别方法

哺乳期母猪姿态是其哺乳意愿的外在表现,母猪哺乳时身体侧卧,拒绝哺乳时身体立卧或倾卧,哺乳期母猪侧卧时间可作为母性行为评价的重要指标。选用集MPU6050和蓝牙传输模块为一体的行为数据采集模块,采集母猪哺乳期内(28 d)的行为数据,统计母猪采食时间段的姿态角,计算节点偏转角度,实现偏转行为数据校正;利用Haar小波提取特征系数重构加速度曲线的基本轮廓,结合各姿态的数值特征,利用支持向量机实现母猪立、侧、倾姿态分类,及其侧、倾姿左右方向的识别。以江苏省地方猪小梅山母猪为试验对象,分析母猪的哺乳姿态,试验结果表明:行为数据校正算法可降低节点偏转的影响,小波变换实现了数据归一化,去除了高能运动干扰,姿态分类器识别左、右侧姿的正确率分别为65.8%、90.1%,立姿的正确识别率为75.4%,侧姿总体正确识别率达到83.3%,姿态识别可以有效反映母猪的哺乳意愿。

待产梅山母猪咳嗽声识别算法的研究

[目的]目前对于母猪是否患有呼吸系统疾病的诊断主要依靠饲养员观察,存在由于疏忽未能及时发现并处理患病母猪而造成大量母猪死亡的情况。为解决这一问题,笔者以待产梅山母猪咳嗽声为对象,对其识别方法进行了研究,旨在将母猪咳嗽情况作为诊断早期呼吸系统疾病的依据,以达到自动监控的目的。[方法]基于无线多媒体传感器网络进行母猪声音数据的采集与传输,对采集到的声音信号进行滤波、分帧等预处理操作后,由于不同声音的功率谱密度曲线的波动性不同,依托曲线目标优化的思想提取声音功率谱密度特征,并以此特征作为聚类中心,运用改进的模糊C均值聚类算法对咳嗽声和尖叫声进行识别分类。[结果]训练出了母猪咳嗽声和尖叫声的功率谱密度特征,差异明显;忽略个体差异,咳嗽声和尖叫声的总体识别准确率分别约为83.4%和83.1%,识别算法是有效的。[结论]针对待产梅山母猪咳嗽声,创新性提出了一种声音识别算法,该方法简单,高效,识别率高,为母猪呼吸系统疾病的早期自动诊断提供了技术支持。

无线传感器网络在农业中的应用研究现状与展望

无线传感器网络结合了传感器、微处理器和无线通信接口,是一门日益引起人们研究兴趣的技术。作者结合农业的实际特点,综述了无线传感器网络在农业中的研究现状及涉及的关键技术,最后分析了无限传感器网络在农业中的应用前景,为无线传感器网络在农业中的深入应用拓宽思路。