基于深度学习的笼养蛋鸡健康监测装置研究

为了解决笼养蛋鸡出现健康问题不能被及时发现，从而导致疾病传播的问题，本试验设计了基于深度学习的笼养蛋鸡健康监测装置。该装置由3个部分组成，分别为动力模块、数据采集模块和数据处理模块。动力模块由步进电机提供动力，依据养殖场养殖笼的单个长度和每列鸡笼个数，设置相应参数。数据采集模块由红外测温和图像采集2个部分组成，红外测温采集蛋鸡体温数据，WIFI高清摄像头采集图像数据。数据处理模块分为2个部分，第一部分是对采集到的体温数据进行分析，确定蛋鸡的体温是否正常；第二部分是对采集到的蛋鸡的照片使用YOLACT实例分割算法进行鸡冠和鸡脸的提取：提取到的鸡冠进行色度分析，与正常鸡冠色度进行对比，确定健康状况；提取到的鸡脸与正常和异常鸡脸进行比对，确定健康状况。结果显示，该装置对蛋鸡体温的测量结果虽然与人工测量结果有微小出入，但是在给定的正常与异常体温范围之内，可以准确辨别出蛋鸡体温是否异常；对于鸡只个数的识别率达88.89%,对鸡冠的正常与异常判断准确率高达97.50%,对鸡脸的正常与异常判断准确率达95.00%,整体判断准确率达94.45%。结果表明，该装置可以满足对于常见疾病表征的判断，可以很好...