农业机械学报

作者：薛鸿翔，沈明霞，刘龙申，陈金鑫，单武鹏，孙玉文

单位：南京农业大学,南京农业大学,南京农业大学,南京农业大学,南京农业大学,南京农业大学,

关键词：经产母猪;发情检测;深度学习;改进YOLO v5s

基金：江苏省科技计划项目（BE2021363）

为解决限位栏场景下经产母猪查情难度大、过于依赖公猪试情和人工查情的问题，提出了一种基于改进YOLO v5s算法的经产母猪发情快速检测方法。首先，利用马赛克增强方式（Mosaic data augmentation, MDA)扩充数据集，以丰富数据表征；然后，利用稀疏训练（Sparse training, ST）、迭代通道剪枝(Network pruning, NP)、模型微调(Fine tune, FT)等方式重构模型，实现模型压缩与加速；最后，使用DIOU_NMS代替GIOU_NMS,以提高目标框的识别精度，确保模型轻量化后，仍保持较高的检测精度。试验表明, 优化后的算法识别平均精确率可达97.8%，单幅图像平均检测时间仅1.7ms，单帧视频平均检测时间仅6ms。分析空怀期母猪发情期与非发情期的交互行为特征，发现母猪发情期较非发情期交互时长与频率均显著提高(P<0.001)。以20s作为发情检测阈值时，发情检测特异性为89.1%、准确率为89.6%、灵敏度为90.0%，该方法能够实现发情母猪快速检测。

来源：2023年第1期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2023年第1期