检索结果-南通市图书馆

农业机械学报 2024年第8期55卷 312-321页

作者：严煜盛哲雅谷月衡一帆周昊博王树才华中农业大学工学院武汉430070 华中农业大学动物科学技术学院动物医学院武汉430070 农业动物遗传育种与繁殖教育部重点实验室武汉430070

针对笼养条件下蛋鸡核心温度测量工作效率低下的问题,提出了一种利用红外热图像结合深度学习的蛋鸡核心温度检测方法。首先通过采集172只蛋鸡的10994幅红外热图像制作数据集,利用目标检测网络yolo v8s提取作为感兴趣区域(Region of inte... 详细信息

针对笼养条件下蛋鸡核心温度测量工作效率低下的问题,提出了一种利用红外热图像结合深度学习的蛋鸡核心温度检测方法。首先通过采集172只蛋鸡的10994幅红外热图像制作数据集,利用目标检测网络yolo v8s提取作为感兴趣区域(Region of interest,ROI)的鸡脸图像;再利用改进的深度卷积神经网络对提取的蛋鸡ROI图像以及实时采集的蛋鸡泄殖腔温度进行回归预测。实验显示,目标检测算法的检测准确率达到99.38%,平均精度均值达到99.9%,召回率达到99.87%,3项评价指标均高于yolo v4s、yolo v5s、yolo v7、yoloX-s目标检测算法;在深度卷积神经网络算法上,同时将Mobilenetv3、Ghostnet、shufflenetv2、Regnet、ConvNeXt、res2net以及MobilevIT共7种分类模型修改为回归模型,利用蛋鸡ROI图像进行训练,其中,res2net模型对蛋鸡核心体温估测拟合效果最好,在测试集上估测的决定系数R^(2)为0.9565、调整后决定系数R^(2)_(adj)为0.95631,均高于其他回归模型;为进一步提高预测精度,在res2net50回归模型的Bottle2block结构之后分别插入sE(squeeze-and-excitation)模块、CBAM(Convolutional block attention module)模块、CA(Coordinate attention)模块、ECA(Efficient channel attention)模块,其中利用CA模块改进后的算法在测试集上的R^(2)为0.97364、R^(2)_(adj)为0.97352,均高于其他改进方法;利用目标检测网络和回归网络搭建蛋鸡核心体温估测模型,对9只蛋鸡进行体温估测试验,结果显示ROI均能完整找出,且估测体温平均绝对误差(Mean absolute error,MAE)为0.153℃。因此,本研究提出的目标检测+深度神经网络模型为红外热图像下蛋鸡核心温度预测提供了较好的自动化检测方法。

关键词：笼养蛋鸡核心体温 yolo v8s-res2net50 红外热成像

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：