基于DH-YoloX的群养马岗鹅关键行为监测.pdfVIP

第 39 卷 第 2 期 农 业 工 程 学 报 Vol.39 No.2 142 2023 年 1 月 Transactions of the Chinese Society of Agricultural Engineering Jan. 2023 基于 DH-YoloX 的群养马岗鹅关键行为监测 1,2 1 1 1 1 肖德琴 ，曾瑞麟 ，周 敏 ，黄一桂 ，王文策 （1. 华南农业大学 农业农村部华南热带智慧农业技术重点实验室，广州 510642 ；2. 华南农业大学数学与信息学院，广州 510642 ） 摘 要：马岗鹅的行为与其生长状况和福利状况密切相关，马岗鹅关键行为监测对评估其生长性能具有重要的现实意义。 为了实现对群养栏马岗鹅关键行为高效率精准监测，该研究探索一种基于YoloX 的群养马岗鹅关键行为监测算法（Magang geese behavior monitoring of based on Double Head-YoloX，MGBM-DH-YoloX ），该算法通过减少YoloX 的头部数量提升检 测效率、使用损失函数减少前景背景干扰、使用迁移训练方式提高网络训练效率等技术对马岗鹅采食、饮水、休息和应 激等关键行为及其规律进行分析。MGBM-DH-YoloX 首先用 Mosaic 和 Mixup 对马岗鹅图像进行数据增强，然后使用增 强后的数据集训练模型，并且利用模型检测马岗鹅的关键行为，最后累计得出马岗鹅关键行为的发生时长和行为节律； 试验训练集为 1 400 幅、验证集 200 幅和测试集为 400 幅，连续活动视频 10 d。结果表明，MGBM-DH-YoloX 算法的平 均精度为 98.98%、检测速度达到 81 帧/s 、内存消耗为2 520.04 MB 。对马岗鹅的 10 d 养殖数据分析发现，MGBM-DH-YoloX 能有效观察到马岗鹅随着日龄增长采食次数逐渐减少；试验鹅每日采食与饮水行为同时出现的比例为 83.74%，呈现整体 相伴趋势，但也从 90.78%降低到 74.57%，说明马岗鹅采食与饮水行为随着日龄增加呈现出逐渐分离趋势；试验鹅随着日 龄增长休息时间逐渐加多，呈现出肉鸭对笼养的适应性逐步增强；应激行为随机性很强，突发性明显，发现人员随机走 动等不规范饲喂带来的应激行为占据很大比例。该研究显示 MGBM-DH-YoloX 算法能利用监控视频对马岗鹅的关键行为 进行智能提取，可为家禽智能养殖监管提供技术支撑。 关键词：深度学习；算法；卷积神经网络；养殖监测；迁移学习；马岗鹅 doi ：10.11975/j.issn.1002-6819.202210079 中图分类号：S126 文献标志码：A 文章编号：1002-6819(2023)-02-0142-08 肖德琴，曾瑞麟，周敏，等. 基于 DH-YoloX 的群养马岗鹅关键行为监测[J]. 农业工程学报，2023，39(2)：142-149. doi ：10.11975/j.issn.1002-6819.202210079 XIAO Deqin, ZENG Ruilin, ZHOU Min, et al. Monitoring the vital behavior of Magang geese raised in flocks based on DH-YoloX[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2023, 39(2): 142-149. (in Chinese with English abstract) doi ：10.11975