农业机械学报

作者：李鹏，沈明霞，刘龙申，陈金鑫，薛鸿翔，衡熙，孙玉文

单位：南京农业大学;农业农村部养殖装备重点实验室,南京农业大学;农业农村部养殖装备重点实验室,南京农业大学;农业农村部养殖装备重点实验室,农业农村部养殖装备重点实验室,农业农村部养殖装备重点实验室,农业农村部养殖装备重点实验室,农业农村部养殖装备重点实验室,

关键词：仔猪;实例分割;注意力机制;GAN;窝均质量

基金：国家重点研发计划项目(2021YFD2000800)

在猪只智慧养殖中，猪只实例分割方法是实现猪只自动化检测的关键技术之一，但在实际分割场景中，存在猪只遮挡粘连等现象，易导致分割困难。针对产房中仔猪分割困难问题，本文提出一种基于YOLO v5s和GAN(Generative adversarial network)的实例分割模型OD_SeGAN。该方法通过目标检测算法YOLO v5s提取出仔猪目标，并输入至语义分割算法GAN实现分割，并使用空洞卷积替换GAN中的普通卷积，扩大网络感受野；其次，使用挤压-激励注意力机制模块，增强模型对仔猪全局特征的学习能力，提高模型的分割精度。实验结果表明，OD_SeGAN在测试集上IoU为88.6%，分别比YOLO v5s_Seg、Cascade_Mask_RCNN、Mask_RCNN、SOLO、Yolact高3.4、3.3、4.1、9.7、8.1个百分点。将OD_SeGAN应用于仔猪窝均质量估测任务中，测得仔猪窝均质量和仔猪像素点数之间皮尔逊相关系数为0.956。OD_SeGAN在实际生产场景中具有良好的仔猪分割性能，可为仔猪窝均质量估测等后续研究提供技术基础。

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