基于深度学习的笼养蛋鸡健康监测装置研究 |
| |
引用本文: | 张谦,陈斯,杨增汪,赵雪成.基于深度学习的笼养蛋鸡健康监测装置研究[J].中国兽医杂志,2024(3):72-79. |
| |
作者姓名: | 张谦 陈斯 杨增汪 赵雪成 |
| |
作者单位: | 1. 江苏师范大学物理与电子工程学院;2. 徐州市永康电子科技有限公司 |
| |
基金项目: | 国家自然科学基金项目(61975070); |
| |
摘 要: | 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...
|
关 键 词: | 笼养蛋鸡 健康监测 YOLACT 红外测温 色度分析 |
|
|