农业机械学报

作者：郝宏运，姜伟，罗升，孙宪法，王粮局，王红英

单位：中国农业大学,中国农业大学,江苏省农业机械试验鉴定站,山东民和牧业股份有限公司,中国农业大学,中国农业大学,

关键词：肉鸡死鸡;热红外图像;彩色图像;图像配准;YOLO v11

基金：科技创新2030—“新一代人工智能”重大项目(2021ZD0113804-3)

为了提高规模化肉鸡养殖场中肉鸡死鸡识别的精度，基于彩色图像和热红外图像，分别提出了基于两阶段与单阶段的肉鸡死鸡检测方法。在两阶段方法中，首先使用YOLO v11-seg网络对彩色图像中肉鸡进行分割，获取肉鸡掩膜坐标；然后提取单只肉鸡热红外图像，使用YOLO v8-cls分类网络对单只肉鸡热红外图像进行分类。在单阶段方法中，基于彩色图像和配准热红外图像分别构建了G通道替换融合图像、加权融合图像、小波变换融合图像以及频域变换融合图像，使用多源融合图像数据集基于YOLO v11s目标检测网络构建了肉鸡死鸡检测模型。结果表明，两阶段肉鸡死鸡检测方法中，肉鸡实例分割平均精确率为94.2%，单只肉鸡热红外图像分类准确率为99.4%。单阶段肉鸡死鸡检测方法中，基于小波变换融合图像构建的肉鸡死鸡检测模型获得了最高的检测精度，检测平均精确率为93.0%。两种方法相比，单阶段检测方法在公共测试集上精确率更高，为92.3%，推理速度更快（6.1 ms/f），单模型部署更加简单。对肉鸡热红外图像温度分布分析表明，低周龄肉鸡与高周龄肉鸡的体表温度分布具有明显差异。提出的肉鸡死鸡检测方法，能够在高密度养殖下的恶劣成像环境中对肉鸡死鸡实现准确识别，为其他畜禽死亡检测提供了技术参考。

来源：2025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2025年第1期