农业机械学报

作者：杨断利，王永胜，陈辉，孙二东，王连增，宁炜

单位：河北农业大学,河北农业大学,河北农业大学,河北桃木疙瘩农业科技股份有限公司,河北省蛋鸡产业技术研究院,成都小巨人畜牧设备有限公司,

关键词：蛋鸡;日常行为识别;SEAM模块;EVCBlock模块;YOLO v5s

基金：国家自然科学基金项目（32172779）、财政部和农业农村部：国家现代农业产业技术体系项目（CARS-40）和河北省科技研发平台建设专项（225676150H）

针对鸡只个体较小、个体间存在遮挡，对蛋鸡日常行为识别造成干扰的问题，提出了一种基于SEEC-YOLO v5s的蛋鸡日常行为识别方法。通过在YOLO v5s模型输出部分添加SEAM注意力模块、在特征融合部分引入显式视觉中心模块(EVCBlock)，扩大了模型的感受野，提高了模型对小个体遮挡情况下的目标识别能力，提升了模型对蛋鸡站立、采食、饮水、探索、啄羽和梳羽6种行为的识别精度。提出了一种基于视频帧数与视频帧率比值计算蛋鸡日常行为持续时间的统计方法，并对蛋鸡群体一天之中不同时间段及全天各行为变化规律进行了分析。将改进后的模型进行封装、打包，设计了蛋鸡日常行为智能识别与统计系统。试验结果表明，SEEC-YOLO v5s模型对6种行为识别的平均精度均值为84.65%，比 YOLO v5s模型高2.34个百分点，对比Faster R-CNN、YOLO X-s、YOLO v4-tiny和YOLO v7-tiny模型，平均精度均值分别提高4.30、3.06、7.11、2.99个百分点。本文方法对蛋鸡的日常行为监测及健康状况分析提供了有效的支持，为智慧养殖提供了借鉴。

来源：2023年第9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9期