基于RFID与目标检测的种鹅个体产蛋信息监测系统研究

作     者：陶雪阳 

作者单位：江苏大学 

学位级别：硕士

导师姓名：施振旦

授予年度：2022年

学科分类：0810[工学-信息与通信工程] 0905[农学-畜牧学] 08[工学] 080401[工学-精密仪器及机械] 09[农学] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0835[工学-软件工程] 081002[工学-信号与信息处理] 

主      题：种鹅个体 产蛋监测 RFID 目标检测 目标计数 

摘      要：家禽产蛋监测技术的研究在鸡、鸭选育上已取得突破,但缺乏针对种鹅个体产蛋信息监测技术的相关研究。由于鹅驯化程度低,喜群居,易应激,传统的育种资料获取方法难度大,效率低,严重影响了种鹅选育的效率。本文针对种鹅个体产蛋信息自动化获取的迫切需求,提出一种基于RFID与目标检测的种鹅个体产蛋信息监测系统,为养殖管理与种鹅选育提供可靠的参考。本文的主要研究内容如下:(1)以群养环境下的扬州鹅为对象,通过试验观察确定了其产蛋行为特点,分析了影响产蛋信息监测准确率的环境因素。在此基础上对种鹅个体产蛋信息监测系统的总体方案进行设计,确定了以RFID技术获取种鹅个体身份信息,以实时目标检测获取产蛋行为信息的方案,并设计了系统的运行步骤。同时,对产蛋箱、图像采集模块、RFID模块进行了设计。(2)提出了一种基于改进YOLOv4的种鹅与鹅蛋目标检测算法。首先,制作种鹅与鹅蛋图像数据集,研究了适用于鹅舍场景的数据增强方法,并扩增数据集。其次,对输入端增加图像预裁剪处理,以改善输入图像中冗余像素信息的问题;改进了SPP空间金字塔池化层,将5*5最大池化改为5*5平均池化,以减少不同尺度特征融合过程中的小目标特征丢失;采用K-means++聚类算法重新确定了适合种鹅与鹅蛋数据集的锚框(Anchor)尺寸。最后,采用迁移学习的方式训练模型,实验结果表明,改进的YOLOv4模型比其它目标检测模型在速度和精度上更有优势,平均精度均值(m AP)达到了93.59%,检测速度达到了57f·s,满足种鹅与鹅蛋识别的性能要求。(3)以目标检测为基础,将产蛋箱划分为ROI区域,并分别对ROI内的种鹅与鹅蛋计数,通过分析种鹅与鹅蛋计数结果实现获取种鹅的产蛋行为信息。针对图像目标计数无法利用视频时序信息的问题,提出了考虑视频时序的目标计数算法,有效的增加了计数准确性。同时,设计了种鹅个体身份信息、产蛋行为信息获取的流程与整体算法流程。(4)开发了种鹅个体产蛋信息监测系统,验证了系统算法的性能,通过试验确定了系统的输入参数。最后,在鹅舍搭建试验环境,分别验证RFID模块识别种鹅身份与监测产蛋行为信息的准确率,结果表明,种鹅个体产蛋信息监测系统的种鹅个体身份信息监测准确率为100%,产蛋行为信息监测准确率为92.2%,可以满足应用的需求。