基于改进RT-DETR模型的群养猪只行为识别系统研究与实现.pdfVIP

摘要

摘要

猪只养殖是农业领域的一个关键环节，生猪作为农业生产中的核心动物，其养殖

不仅能够为农民带来可观的经济收益，而且对农业经济的稳定发展具有重要意义。在

生猪养殖的过程中，猪只的健康状况与其行为有着密切的联系，及时监测猪只行为，

可以揭示其健康状态以及对猪舍环境的适应程度，从而预防疾病，提高产肉率。目前，

猪只养殖业在检测猪只行为时，仍普遍依赖人工观察，存在依赖人力、效率低下、漏

检、误检等问题。针对以上问题，该研究以群养猪只行为识别作为研究对象，以深度

学习技术为基础，开展基于改进的RT-DETR群养猪行为识别系统的研究，实现对群

养环境中猪只行为的快速且精确的识别，显著减少对人工干预的依赖和相关成本。研

究的主要内容为以下三个主要方面：

（1）构建群养猪只行为数据集。收集6段不同时间、不同光照、具有代表性的

群养猪只视频数据，并对视频进行裁切、分类等预处理操作。通过对图片进行标注、

数据增强方法，构建出一个含有站立、躺卧、进食、饮水、探嗅五种代表性的行为标

注的7200张图片的数据集。

2RT-DETR

（）提出一种模型的改进方法。在主干网络中，使用部分卷积核代替

相关结构，有效减少模型计算冗余，在不影响模型准确率的同时降低模型复杂度。同

时引入双向路由注意力机制使模型获取更多有效特征信息，从而提高模型的准确率。

在高效混合编码器中，使用GSConv卷积层代替相关特征融合结构，使模型能更好地

保留关键特征。其次，为了解决实际环境中遇到的猪只行为识别数据量小导致模型识

别准确率低的问题，构建基于迁移学习的群养猪只行为识别方法。使用大规模源数据

集对源模型进行预训练，得到模型参数迁移至群养猪只行为识别模型中，从而提升模

型在群养猪只行为数据集上的检测性能。改进的模型在猪只识别数据集上mAP@50

达到87.5%，相较于原模型提高2.4%，模型参数量减少51%。

3

（）构建群养猪只行为识别系统。基于改进的模型，设计并实现群养猪只行为

识别系统。系统能够有效应对猪舍环境复杂、目标猪只拥挤等问题，实现高精度的猪

只行为识别。系统通过实时视频监测，能够自动识别猪只行为，为养猪业提供重要的

管理依据。

;;RT-DETR;;

关键词：深度学习目标检测群养猪只猪行为识别

I

Abstract

Abstract

Pigfarmingisacruciallinkintheagriculturalsector.Aspigsarecentralto

agriculturalproduction,theirfarmingnotonlybringssubstantialeconomicbenefitsto

farmersbutalsoplaysasignificantroleinthestabledevelopmentoftheagricultural

economy.Duringtheprocessofpigfarming,thehealthstatusofpigsiscloselyrelatedto

theirbehavior.Timelymonitoringofpigbehaviorcanrevealtheirhealthstatusand

adaptationtothepighouseenvironment,therebypreventingdiseasesandimprovingmeat

production.Currently,thepigfarmingind