基于深度学习的无接触式奶牛体况评分系统及装备开发

作     者：曾鹏博 

作者单位：西北农林科技大学 

学位级别：硕士

导师姓名：秦立峰

授予年度：2023年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0828[工学-农业工程] 080203[工学-机械设计及理论] 082801[工学-农业机械化工程] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：奶牛体况评分系统 改进YOLOv5s 分割算法 嵌入式开发 

摘      要：奶牛体况评分是奶牛胖瘦程度的一种鉴定方式,过瘦或过胖的奶牛体况很大程度影响着泌乳期奶牛的健康及生产能力,提前掌握奶牛的体况一定程度可以提高牧场效益减少不必要的损失。本文针对规模化奶牛养殖场中,对奶牛群体进行体况人工评分任务艰巨,基于机器视觉的奶牛体况评分方法尚未得到有效应用,自动化程度低,提出了一种奶牛体况自动评分系统,本文通过选取奶牛挤奶厅入口通道作为研究场景,以奶牛斜后上方视图作为研究对象,以深度学习目标检测算法作为技术支持,设计并验证了基于视频的奶牛个体体况自动获取,并完成了奶牛体况评分与个体身份识别一体化装备开发及奶牛体况综合信息服务平台的搭建,为未来规模化奶牛养殖场提供了新的方案和技术支持,主要工作及结论如下:(1)构建了一套基于深度学习的奶牛体况评分模型。搭建了用于采集挤奶厅奶牛后躯图像的数据获取装置,制作了奶牛体况数据集用于训练模型,以YOLOv5s作为基础模型,并在原始YOLOv5s网络模型的基础上引入了DPN网络结构及CBAM注意力机制,增强了模型对奶牛体况相关特征的提取能力,通过采用深度可分离卷积替换原始网络Head端的CBS模块,减小了模型参数同时也提高了模型总体评分效果。试验结果显示,本文所提出的YOLOv5s+DW-CDPN奶牛体况评分模型具有较高的准确率、较小的浮点运算量,该模型在对单个奶牛图像评分试验上显示评分精确率、召回率、平均精度值分别为94.3%、92.5%、91.8%,较原始YOLOv5s网络分别提高了3.1%、2.7%、4.2%。(2)针对视频中的奶牛个体分离定位问题,提出了基于时空先验的视频帧中奶牛后躯自动检测定位及分割算法,用于准确获取奶牛体况分数。首先,通过改进的YOLOv5s+DW-CDPN模型自动检测到奶牛后躯部位;然后根据时空先验及坐标跟踪实现视频中每头奶牛的个体分割;最后获取每头奶牛在视频中的最佳评分结果。该算法能够在挤奶厅通道相对比较复杂的环境中,有效实现一批奶牛的个体分割及体况准确评分,在10段完整的视频测试中,该算法总体的奶牛准确检测率达到94.2%,准确检测到的奶牛中体况评分准确率为92.5%,视频中总体的奶牛体况评分准确率为87.1%。(3)为了实现该方法在实际中的应用及推广,完成了奶牛体况自动评分装备的开发。首先通过Deep Stream及Tensor RT完成奶牛体况评分模型的部署;其次采用Jetson Xavier NX主控设备、网络摄像头、超高频RFID读写单元及WIFI模块完成相应的嵌入式开发,其中超高频RFID读写单元及网络摄像头分别获取奶牛ID信息及奶牛后躯图像,并通过主控设备快速完成图像中奶牛体况评分,实现每头奶牛体况和ID信息的融合;最终将结果通过WIFI发送至云端服务器,在云端构建奶牛体况综合信息服务平台,实现奶牛体况的信息获取及溯源。综上所述,本研究搭建了一套数据采集装置,完成了奶牛体况评分模型的构建,并针对视频中奶牛实现了奶牛后躯的自动分割及个体奶牛体况自动获取,设计完成了模型验证及奶牛体况评分与个体身份信息融合、奶牛体况信息服务平台的开发,为规模化奶牛养殖场中群体奶牛体况评分提供了重要技术方案。