农业机械学报

作者：李菊霞，李艳文，牛帆，李荣，张韬，景冰

单位：山西农业大学,山西农业大学,山西农业大学,山西农业大学,山西农业大学,山西财贸职业技术学院,

关键词：猪只饮食行为;目标检测;YOLOv4;图像处理

基金：国家自然科学基金面上项目（31772651）和山西省重点研发计划专项（农业）（201803D221028-7）

针对猪舍环境下猪只饮食行为自动化检测程度较低的问题，提出了一种基于YOLOv4的猪只饮食行为检测模型。基于多时间段、多视角和不同程度遮挡的猪只饮食图像，建立了猪只饮食行为图像数据库，利用YOLOv4深度学习网络的深层次特征提取、高精度检测分类特性，对猪只饮食行为进行检测。结果表明，基于YOLOv4的猪只饮食行为检测模型在不同视角、不同遮挡程度以及不同光照下均能准确预测猪只的饮食行为，在测试集中平均检测精度（mAP）达到95.5%，分别高于YOLOv3、Tiny-YOLOv4模型2.8、3.6个百分点，比Faster R-CNN模型高1.5个百分点，比RetinaNet、SSD模型高5.9、5个百分点。本文方法可为智能养猪与科学管理提供技术支撑。

来源：2021年第3期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2021年第3期