检索结果-南通市图书馆

International Journal of Agricultural and Biological Engineering 2023年第3期16卷 208-216页

作者： Jia Chen Qi’an Ding Wen Yao Mingxia Shen longshen liu College of Artificial Intelligence Nanjing Agricultural UniversityNanjing 210095China

Timely identification and tracking of abnormal hens in stacked cages are of great significance for precision treatment and the elimination of sick individuals.The head features of the caged-hens are used to overcome observation difficulties caused by the cage and feathers blocking,but it is still hard to identify similar head states.To solve this problem,the fine-grained detection of caged-hens head states was developed using adaptive Brightness Adjustment in combination with Convolutional Neural Networks(FBA-CNN).Grid Region-based CNN(R-CNN),a convolution neural network(CNN),was optimized with the Squeeze-and-Excitation(SE)and Depthwise Over-parameterized Convolutional(DO-Conv)to detect layer heads from cages and to accurately cut them as single-head images.The brightness of each single-head image was adjusted adaptively and classified through the deep convolution neural network based on SE-Resnet50.Finally,we returned to the original image to realize multi-target detection with coordinate mapping.The results showed that the AP@0.5 of layer head detection using the optimized Grid R-CNN was 0.947,the accuracy of classification with SE-Resnet50 was 0.749,the F1 score was 0.637,and the mAP@0.5 of FBA-CNN was 0.846.In summary,this automated method can accurately identify different layer head states in layer cages to provide a basis for follow-up studies of abnormal behavior including dyspnea and cachexia.

关键词： Grid R-CNN squeeze-and-excitation Depthwise Over-parameterized Convolutional adaptive brightness adjustment fine-grained detection

基于改进YOLO v5s和图像融合的笼养鸡死鸡检测方法研究

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

南京农业大学学报 2024年第2期47卷 369-382页

作者：赵一名沈明霞刘龙申陈佳祝万军南京农业大学工学院/农业农村部养殖装备重点实验室江苏南京210031

[目的]针对规模化养殖环境下死鸡巡检自动化程度低、人工巡检费时费力等问题,提出一种基于图像配准融合算法和改进YOLO v5s的死鸡检测方法。[方法]为提高死鸡目标特征的显著性,利用SURF算法结合RANSAC算法实现热红外与可见光图像的特征... 详细信息

[目的]针对规模化养殖环境下死鸡巡检自动化程度低、人工巡检费时费力等问题,提出一种基于图像配准融合算法和改进YOLO v5s的死鸡检测方法。[方法]为提高死鸡目标特征的显著性,利用SURF算法结合RANSAC算法实现热红外与可见光图像的特征点匹配,采用仿射变换模型得到配准图像,使用小波变换实现图像的分解重构,从而得到最终的配准融合图像;为降低背景信息对死鸡目标检测的干扰,提升模型对鸡只遮挡情况的检测效果,以YOLO v5s目标检测算法为基础,通过加入SE注意力模块,将CIoU_Loss和DIoU_NMS运用于原模型,构成改进后的YOLO v5s-SE模型。[结果]配准融合后的图像与源图像的相关系数平均值达到0.86,体现了良好的配准融合效果;模型在融合图像上的检测准确率以及平均精度均值均高于可见光图像和红外图像,改进后的YOLO v5s-SE相较于原始YOLO v5s在融合数据集上的检测准确率提升了3.3%,达到97.7%。[结论]改进后的YOLO v5s-SE在保证应有检测速度的同时提升了目标检测的精度,可满足实际生产中死鸡实时检测的需求。

关键词：笼养鸡死鸡检测图像配准融合 YOLO v5s-SE

基于Jetson Nano+YOLO v5的哺乳期仔猪目标检测

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2022年第3期53卷 277-284页

作者：丁奇安刘龙申陈佳太猛沈明霞南京农业大学工学院南京210031 南京农业大学人工智能学院南京210031 江苏智慧牧业装备科技创新中心南京210031

针对仔猪个体小、易被遮挡且仔猪目标检测方法不易在嵌入式端部署等问题,提出一种适用于Jetson Nano端部署的哺乳期仔猪目标检测方法,在准确检测哺乳期仔猪目标的同时,使模型实地部署更加灵活。使用哺乳期仔猪图像建立数据集,数据量为14... 详细信息

针对仔猪个体小、易被遮挡且仔猪目标检测方法不易在嵌入式端部署等问题,提出一种适用于Jetson Nano端部署的哺乳期仔猪目标检测方法,在准确检测哺乳期仔猪目标的同时,使模型实地部署更加灵活。使用哺乳期仔猪图像建立数据集,数据量为14000幅,按8∶1∶1划分训练集、测试集和验证集。利用深度学习网络提取哺乳期仔猪特征,构建仔猪目标检测模型。融合推理网络中的Conv、BN、Activate Function层,合并相同维度张量,删除Concat层,实现网络结构量化,减少模型运行时的算力需求。将优化后模型迁移至Jetson Nano,在嵌入式平台进行测试。实验结果表明,在嵌入式端,量化后YOLO v5中4种模型的单帧图像平均运行时间分别为65、170、315、560 ms,检测准确率分别为96.8%、97.0%、97.0%和96.6%,能够在Jetson Nano设备上对哺乳期仔猪目标实现精准检测,为仔猪目标检测的边缘计算模式奠定基础。

关键词：哺乳期仔猪目标检测 YOLO v5 Jetson Nano 边缘计算嵌入式端

基于EfficientDet的围产期母猪姿态识别

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2022年第4期53卷 271-279页

作者：刘龙申舒翠霓李波沈明霞太猛刘康南京农业大学人工智能学院南京210031 江苏智慧牧业装备科技创新中心南京210031 南京农业大学动物科技学院南京210095

围产期母猪母性行为直接影响仔猪的成活率,母猪姿态是其母性行为和筑巢行为的重要表现。针对目前对围产期母猪姿态转换主要依靠人工巡检,费时耗力且主观性强等问题,采集了24头母猪的视频数据并对数据进行预处理,利用EfficientDet网络对... 详细信息

围产期母猪母性行为直接影响仔猪的成活率,母猪姿态是其母性行为和筑巢行为的重要表现。针对目前对围产期母猪姿态转换主要依靠人工巡检,费时耗力且主观性强等问题,采集了24头母猪的视频数据并对数据进行预处理,利用EfficientDet网络对产床内母猪图像进行深层次特征提取,实现了母猪站、坐、胸卧、侧卧姿态及其侧卧方向(乳房面向仔猪保温箱、乳房背对仔猪保温箱)的准确识别。结果表明:该模型识别平均精度均值(mAP)达93.97%,对图像的检测速度达26.2 f/s,对视频的检测速度达10.66 f/s。通过对母猪产前及产后24 h的姿态进行分析,母猪产前表现出显著的筑巢行为,姿态转换频率显著提高(P<0.001);母猪产后侧卧时间显著增加,母猪侧卧时长与仔猪窝均质量呈正相关关系;根据母猪侧卧方向的偏好性进行分组比较,母猪偏向于将乳房面向保温箱侧卧的小组,仔猪断奶成活率更高。

关键词：围产期母猪姿态识别深度学习 EfficientDet

基于YOLO v5与短时跟踪的鸡只呼吸道疾病早期检测

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2023年第1期54卷 271-279页

作者：陈佳丁奇安刘龙申侯璐刘亚楠沈明霞南京农业大学工学院南京210031 南京农业大学人工智能学院南京210031

针对鸡只呼吸困难这一早期呼吸道疾病显著症状难以检测的问题,提出一种基于YOLO v5与短时跟踪的鸡只呼吸道疾病早期检测方法。对YOLO v5算法进行锚框自适应设置与CIoU Loss (Complete IoU Loss)应用等特定优化后,用于群鸡复杂环境中准... 详细信息

针对鸡只呼吸困难这一早期呼吸道疾病显著症状难以检测的问题,提出一种基于YOLO v5与短时跟踪的鸡只呼吸道疾病早期检测方法。对YOLO v5算法进行锚框自适应设置与CIoU Loss (Complete IoU Loss)应用等特定优化后,用于群鸡复杂环境中准确识别鸡头目标并检测是否为张口状态。根据鸡头坐标框交并比实现鸡头目标短时跟踪并获取不同鸡头的短时动作序列,再对动作序列进行分析,判断张口-闭口组合出现的频率,动态检测是否存在鸡只呼吸困难情况。实验结果表明,改进YOLO v5算法检测鸡头目标的mAP为80.1%,张口检测准确率为67.3%,闭口检测准确率为92.8%,基于时间序列的呼吸困难行为检测方法的识别准确率为91.8%,召回率为75%,精准率为67.9%,可为群鸡养殖环境中的鸡只早期呼吸道疾病检测提供参考。

关键词：白羽肉鸡呼吸道疾病动态行为检测 YOLO v5 目标检测短时跟踪

在线全文

学校读者我要写书评

暂无评论

基于机器视觉的母猪哺乳行为监测方法研究

南京农业大学学报 2022年第2期45卷 404-411页

作者：刘亚楠沈明霞刘龙申陈佳张伟南京农业大学工学院/江苏智慧牧业装备科技创新中心江苏南京210031

[目的]针对母猪哺乳行为及哺乳时长的自动化监测水平低、人工观测费时费力等问题,提出一种基于YOLOv5结合db4小波的方法,实现非接触式母猪哺乳行为的判定和哺乳时长的监测。[方法]利用YOLOv5对目标母猪和仔猪进行识别并输出母猪姿态,选... 详细信息

[目的]针对母猪哺乳行为及哺乳时长的自动化监测水平低、人工观测费时费力等问题,提出一种基于YOLOv5结合db4小波的方法,实现非接触式母猪哺乳行为的判定和哺乳时长的监测。[方法]利用YOLOv5对目标母猪和仔猪进行识别并输出母猪姿态,选择姿态为侧卧的母猪获取其预测框面积,根据哺乳特征的预测框面积变化与哺乳行为建立对应关系,综合判定母猪的哺乳行为和哺乳时长;利用高、低通滤波器对母猪预测框面积进行下采样卷积,判定母猪哺乳行为和哺乳时长;对比加入db4小波前、后的识别准确率。[结果]母猪哺乳行为监测模型的精度均值和召回率分别为94.62%和93.70%,在加入db4小波前、后对哺乳行为时长判定的平均准确率为93.52%和96.04%,对清晰度为720P的视频平均监测速度分别为23.89和19.35 f·s^(-1)。[结论]深层卷积神经网络模型结合db4小波为判定母猪的哺乳行为和哺乳时长提供技术支撑,识别准确率和监测速度均可满足猪场实际需求。

关键词：母猪 YOLOv5 db4 哺乳时长卷积神经网络实时监测

在线全文

学校读者我要写书评

暂无评论

信息感知技术在畜禽养殖中的研究进展

南京农业大学学报 2022年第5期45卷 1072-1085页

作者：沈明霞丁奇安陈佳刘龙申南京农业大学人工智能学院江苏南京210031 南京农业大学工学院江苏南京210031 江苏智慧牧业装备科技创新中心江苏南京210031

信息化是畜禽养殖业发展的必然趋势,对养殖过程中环境和生长等信息的有效监测,有助于实现低成本、高效率和高收益的生产过程。智能信息感知技术的应用满足了规模化养殖条件下海量信息的自动化监测需求,为解放生产力、实现节本增效提供... 详细信息

信息化是畜禽养殖业发展的必然趋势,对养殖过程中环境和生长等信息的有效监测,有助于实现低成本、高效率和高收益的生产过程。智能信息感知技术的应用满足了规模化养殖条件下海量信息的自动化监测需求,为解放生产力、实现节本增效提供了技术支持。本文阐述了信息感知技术对畜禽养殖过程中环境监控、畜禽关键生长信息感知和畜禽疾病预警的主要研究方法,包括传感器技术、图像处理技术、音频处理技术、热红外技术等;分析了当前主流方法应用于该领域的准确性、有效性与泛化性;总结了信息感知技术在畜禽养殖业中未来的研究重点,并对其未来发展方向做出展望。

关键词：信息感知技术畜禽养殖环境监测生长信息感知疾病预警

在线全文

学校读者我要写书评

暂无评论

生长育肥猪精准饲养系统研究进展

动物营养学报 2022年第5期34卷 2752-2763页

作者：王继光刘龙申郑卫江姚文南京农业大学动物科技学院南京210095 江苏智慧牧业装备科技创新中心南京210095 南京农业大学人工智能学院南京210095

我国规模化集约化猪场现行三阶段饲养模式存在饲料浪费、养殖成本增加、环境影响加剧和生产效率低下等问题,精准饲养系统实时监测生长育肥猪生长状况,利用二次指数平滑法和生长预测模型预测猪只采食量和营养需要量变化,结合饲料原料营... 详细信息

我国规模化集约化猪场现行三阶段饲养模式存在饲料浪费、养殖成本增加、环境影响加剧和生产效率低下等问题,精准饲养系统实时监测生长育肥猪生长状况,利用二次指数平滑法和生长预测模型预测猪只采食量和营养需要量变化,结合饲料原料营养价值快速评定技术,针对不同个体制定个性化饲养方案,可有效节省饲料资源消耗,提高生猪养殖利润,减少生猪养殖碳排放等环境影响,促进生猪养殖业可持续发展,有利于缓解我国粮食进口压力,保障国家粮食安全。本文综述了生长育肥猪精准饲养系统的技术要求、应用现状与发展趋势,以期为深入理解并完善生长育肥猪精准饲养系统奠定基础,为应用、推广精准饲养系统以促进生猪养殖业可持续性发展提供指导。

关键词：生长育肥猪饲料原料营养价值评定生长预测模型营养需要量评定精准饲养系统

基于发声特征和深度学习的白羽肉鸡全生命周期咳嗽检测方法

在线全文

学校读者我要写书评

暂无评论

南京农业大学学报 2023年第5期46卷 975-985页

作者：袁超沈明霞姚文刘龙申陈佳南京农业大学工学院江苏南京210031 南京农业大学人工智能学院江苏南京210031 南京农业大学动物科技学院江苏南京210095 农业农村部养殖装备重点实验室江苏南京210031 江苏智慧牧业装备科技创新中心江苏南京210031

[目的]高密度养殖模式下笼养肉鸡呼吸系统疾病易发作且难防治,为此本文设计了一种基于发声特征和深度学习的白羽肉鸡全生命周期咳嗽检测方法,自动监测鸡只咳嗽发声,及时提供预警信息。[方法]对10~19日龄、20~29日龄、30日龄后3种不同生... 详细信息

[目的]高密度养殖模式下笼养肉鸡呼吸系统疾病易发作且难防治,为此本文设计了一种基于发声特征和深度学习的白羽肉鸡全生命周期咳嗽检测方法,自动监测鸡只咳嗽发声,及时提供预警信息。[方法]对10~19日龄、20~29日龄、30日龄后3种不同生长阶段的鸡只发声信号进行数字滤波、谱减法去噪、端点检测等处理,提取滤波器组(filter bank,FBank)和梅尔频率倒谱系数(Mel-frequency cepstral coefficients,MFCC)特征,并与其各自一阶及二阶差分组合,作为VGG16与ResNet18神经网络的输入,完成咳嗽声、鸣叫声、其他声三分类模型训练。[结果]各日龄段利用不同发声特征与神经网络所构建的识别模型均能准确实现发声分类,在10~19日龄、20~29日龄FBank-VGG16模型效果较优,准确率分别为94.29%、97.65%,30日龄后MFCC-ResNet18模型准确率高于其他模型,为98.66%。随着日龄的增长,各模型的总体识别准确率均上升,增幅为3%~7%。[结论]本方法可快速准确对实际生产环境中不同生长阶段的鸡只咳嗽进行识别,为笼养鸡呼吸系统疾病的早期检测提供技术支撑。

关键词：白羽肉鸡咳嗽检测滤波器组梅尔频率倒谱系数卷积神经网络

高校跆拳道教学课程思政元素挖掘与融入路径研究

在线全文

学校读者我要写书评

暂无评论

中华武术 2022年第8期 126-128页

作者：刘龙申新乡市重点体育运动学校河南新乡453418

通过文献资料法、逻辑分析法,探讨了高校跆拳道教学课程思政的元素挖掘与融入路径。研究认为跆拳道文化中蕴含着礼仪道德意识、拼搏奋斗精神等丰富的课程思政元素,能够为课程思政建设提供良好的切入点。跆拳道教学要从加强教师对课程思... 详细信息

通过文献资料法、逻辑分析法,探讨了高校跆拳道教学课程思政的元素挖掘与融入路径。研究认为跆拳道文化中蕴含着礼仪道德意识、拼搏奋斗精神等丰富的课程思政元素,能够为课程思政建设提供良好的切入点。跆拳道教学要从加强教师对课程思政的认识、丰富课堂教学方法、完善教学评价机制等方面入手,推动课程思政的建设效果。

关键词：课程思政跆拳道元素融入