农业机械学报

作者：刘刚，曾雪婷，刘晓文，李涛，丁向东，米阳

单位：中国农业大学,中国农业大学,中国农业大学,河南丰源和普农牧股份有限公司,中国农业大学,中国农业大学,

关键词：群养生猪;体尺测量;改进YOLO v5-pose;关键点检测;坐标变换

基金：财政部和农业农村部:国家现代农业产业技术体系项目（CARS-35）

针对群养生猪体尺自动测量中体尺测点难以高效和精确提取的问题，提出一种基于改进YOLO v5-pose的群养生猪体尺自动测量方法。在YOLO v5-pose主干网络中融合卷积块注意力模块（Convolutional block attention module, CBAM），更好地捕捉到测点相关特征；将Neck层的C3传统模块替换为C3Ghost轻量模块，降低模型参数量和内存占用量；在模型Head层引入DyHead（Dynamic head）目标检测头，提升模型对测点位置的表征能力。结果表明，改进模型的测点检测平均精度均值为92.6%，参数量为6.890×106，内存占用量为14.1MB，与原始YOLO v5-pose模型相比，平均精度均值增加2.1个百分点，参数量和内存占用量分别减少2.380×105、0.4MB。与当前经典模型YOLO v7-pose、YOLO v8-pose、RTMPose（Real-time multi-person pose estimation based on mmpose）和CenterNet相比，该模型的召回率和平均精度均值更优且更轻量化。在2400幅群养生猪图像数据集上进行试验，结果表明，该方法测得体长、体宽、臀宽、体高和臀高的平均绝对误差分别为4.61、5.87、6.03、0.49、0.46cm，平均相对误差分别为2.69%、11.53%、12.29%、0.90%和0.76%。综上所述，本文方法提高了体尺测点检测精度，降低了模型复杂度，取得了更精确的体尺测量结果，为群养环境下生猪体尺自动测量提供了一种有效的技术手段。

来源：2025年第5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5期