基于YOLOv5的猪只盘点方法研究

针对传统生猪养殖场采用人工盘点猪只数量效率低且人力物力耗费较大的问题,本文提出一种基于YOLOv5目标检测算法的猪只盘点系统。采集实验猪厂的猪舍内摄像头图像2000张,除去部分污染严重或猪只重叠难以分辩的图像,经筛选后剩余1700张,网络收集猪舍图像1300张,共计3000张组成数据集,使用vott标注工具对采集图像进行标注。通过YOLOv5目标检测算法对数据集进行训练,并得到训练模型,将训练模型嵌入Jetson Nano开发板,在青岛试验猪场进行猪只盘点实验。实验结果表明,猪只白天识别准确率达95.8%,夜间识别准确率达86%,将训练模型部署到Jetson Nano嵌入式开发板,可稳定运行6路视频流,一台设备能同时对6个猪舍摄像头进行盘点计数,与人工盘点相比,该方法经济高效,应用前景更广阔。