文献类型：期刊文章

作　　者：沈明霞[1] 陆鹏宇[1] 刘龙申[1] 孙玉文[1] 许毅[2] 秦伏亮[1]

SHEN Mingxia;LU Pengyu;LIU Longshen;SUN Yuwen;XU Yi;QIN Fuliang(College of Engineering, Nanjing Agricultural University, Nanjing 210031, China;New Hope Liuhe Co., Ltd., Qingdao 266100, China)

机构地区：[1]南京农业大学工学院,南京210031 [2]新希望六和股份有限公司,青岛266100

出　　处：《农业机械学报》

基　　金：政府间国际科技创新合作重点专项(2017YFE0114400)

年　　份：2019

卷　　号：50

期　　号：10

起止页码：222-229

语　　种：中文

收录情况：BDHX、BDHX2017、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了快速、准确地检测肉鸡体温,提出了一种红外热成像技术和深度学习相结合的肉鸡体温检测方法。以卷积神经网络为基础,建立肉鸡头部和腿部的感兴趣区域(Region of interest,ROI)识别模型,提取肉鸡头部和腿部的最高温度,结合环境温度、相对湿度和光照强度,分别构建了基于多元线性回归和基于BP神经网络的肉鸡翅下体温反演模型。试验结果表明,基于深度卷积神经网络(Convolutional neural networks,CNNs)的感兴趣区域识别模型在测试集上的查准率和查全率分别为96. 77%和100%,基于多元线性回归和BP(Back propagation)神经网络的反演模型平均相对误差分别为0. 33%和0. 29%。基于BP神经网络的肉鸡翅下温度反演模型具有更高的准确性,可准确检测肉鸡体温。

关 键 词：肉鸡 体温 热红外成像  卷积神经网络  多元线性回归 BP神经网络

分 类 号：S831.4]