深度学习在畜禽典型行为识别中的研究进展

采食、饮水、站立和打斗等典型行为与畜禽生产能力、健康状况和福利密切相关,影响畜禽产量与经济效益。当前,畜禽养殖规模化趋势加速,传统人工观察畜禽行为不仅费时费力,而且主观性较强。随着机器学习的快速发展,神经网络、算法和算力不断优化,计算机视觉、语音识别、生物识别、自然语言处理等技术能准确高效地监测畜禽信息,分析畜禽生理和健康状况,在畜禽领域展现出广阔的应用前景。介绍了深度学习技术的发展历程,阐述了深度学习技术在常见畜禽种类(牛、猪、羊、鸡)行为识别方面的研究进展,为未来研究和实际应用提供了技术参考;总结了深度学习技术在畜禽行为识别中关于模型通用性、数据集多样性和数字化行为结果全面性等方面存在的问题并提出改进策略,旨在推动深度学习在畜禽典型行为中的进一步应用。

畜禽个体识别技术研究进展

畜禽个体识别是实现精细化管理、智慧化养殖的重要前提。耳切、耳纹和热铁烙印等是传统人工辨别畜禽个体的方法,存在效率低、个体应激性大等问题,基于无线射频技术的个体识别方法应激程度小,但存在价格昂贵、易脱落、续航时间短等问题。近年来,随着机器视觉与深度学习技术的快速发展,非接触式个体识别方法成为当前研究热点之一。本文在充分梳理现有畜禽个体识别方法的基础上,介绍了典型的接触式个体识别方法及存在的优缺点,并分别阐述了基于图像处理和基于深度学习的2种非接触式畜禽个体识别方法及优缺点,总结分析了在畜禽个体识别中关于深度学习模型、样本数据量及研究层面等存在的问题和改进策略,提出了相关建议,可为养殖管理人员提供理论依据和技术支撑。