文献类型：期刊文章

作　　者：李菊霞[1] 李艳文[1] 牛帆[1] 李荣[1] 张韬[1] 景冰[2]

LI Juxia;LI Yanwen;NIU Fan;LI Rong;ZHANG Tao;JING Bing(College of Information Science and Engineering,Shanxi Agricultural University,Taigu 030801,China;Computer Department,Shanxi Vocational College of Finance and Trade,Taiyuan 030031,China)

机构地区：[1]山西农业大学信息科学与工程学院,太谷030801 [2]山西财贸职业技术学院计算机系,太原030031

出　　处：《农业机械学报》

基　　金：国家自然科学基金面上项目(31772651);山西省重点研发计划专项(农业)(201803D221028-7)。

年　　份：2021

卷　　号：52

期　　号：3

起止页码：251-256

语　　种：中文

收录情况：BDHX、BDHX2020、CAB、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对猪舍环境下猪只饮食行为自动化检测程度较低的问题,提出了一种基于YOLOv4的猪只饮食行为检测模型。基于多时间段、多视角和不同程度遮挡的猪只饮食图像,建立了猪只饮食行为图像数据库,利用YOLOv4深度学习网络的深层次特征提取、高精度检测分类特性,对猪只饮食行为进行检测。结果表明,基于YOLOv4的猪只饮食行为检测模型在不同视角、不同遮挡程度以及不同光照下均能准确预测猪只的饮食行为,在测试集中平均检测精度(m AP)达到95.5%,分别高于YOLOv3、Tiny-YOLOv4模型2.8、3.6个百分点,比Faster R-CNN模型高1.5个百分点,比Retina Net、SSD模型高5.9、5个百分点。本文方法可为智能养猪与科学管理提供技术支撑。

关 键 词：猪只饮食行为  目标检测 YOLOv4  图像处理

分 类 号：TP391.41]