文献类型：期刊文章

作　　者：李娜[1] 任昊宇[2] 任振辉[1]

LI Na;REN Haoyu;REN Zhenhui(College of Mechanical and Electrical Engineering,Hebei Agricultural University,Baoding 071001,China;College of Modern Science&Technology,Hebei Agricultural University,Baoding 071001,China)

机构地区：[1]河北农业大学机电工程学院,河北保定071001 [2]河北农业大学现代科技学院,河北保定071001

出　　处：《河北农业大学学报》

基　　金：河北省科技计划项目(16236605D-2)。

年　　份：2021

卷　　号：44

期　　号：2

起止页码：117-121

语　　种：中文

收录情况：BDHX、BDHX2020、CAB、CAS、CSCD、CSCD_E2021_2022、JST、RCCSE、WOS、ZGKJHX、核心刊

摘　　要：畜禽的行为能够反映其健康状况、环境舒适度等福利信息,是评价畜禽福利状况的重要指标。为了实时自动监测鸡舍中鸡群的行为状况,提出了1种基于深度学习的鸡群行为监测方法。用摄像头连续4个月每天7:00—17:30记录散养鸡群在鸡舍内的活动,筛选7988幅图片对鸡只的采食、站立、趴卧、梳羽、啄羽和打架行为进行标注,利用YOLO v4目标检测模型识别,各行为平均精确率分别为采食96.67%、站立90.34%、趴卧78.46%、梳羽82.01%、啄羽63.38%、打架67.14%,模型总体平均精确率为79.69%。为进一步提高啄羽行为检测结果,采用了时间序列分析方法提取持续时间大于30 s的啄羽行为。实验结果表明,该方法可以实现群养鸡只行为的实时自动监测,解决人工不能全天实时监测的问题,为精准化养殖提供了可能。

关 键 词：YOLO v4  鸡只行为识别  时间序列 精准畜牧业  

分 类 号：TP202] S66]