[发明专利]一种基于深度学习的笼养肉鸡状态检测和计数系统

说明书

本发明公开了一种基于深度学习的笼养肉鸡状态检测和计数系统，属于智能农业领域，通过采集和标注笼养肉鸡不同状态下的图像，建立笼养肉鸡状态数据集；替换YOLOv5s主干网络为EfficientNetV2结构，引入深度可分离卷积和注意力机制，优化图像后处理过程NMS算法，构建高精度轻量级YOLOv5s网络作为笼养肉鸡状态检测网络；修改训练参数进行网络训练，得到最优状态检测网络模型，结合目标跟踪完成计数；将模型部署在巡检机器人嵌入式平台，实现实时状态检测与计数；巡检机器人与用户端相连，实现实时监测。本发明设计合理，通过遥控巡检机器人，可以实现笼养肉鸡状态检测和计数，图像数据通过WiFi传输至用户端，用户可以随时监测笼养肉鸡的状态和数量，及时调整养殖管理策略。

技术领域

本发明涉及机器视觉技术领域，具体涉及一种基于深度学习的笼养肉鸡状态检测和计数系统。

背景技术

随着大数据、物联网及人工智能技术的发展，畜禽养殖业向规模化集约化的智慧养殖转型。然而，目前仍有许多大型养鸡场仅依靠传统的人工评估方法对肉鸡的状态进行判断，养殖人员通过肉眼和经验查看肉鸡的生长大小、健康状况、行为模式等体态特征，另外，还会对笼舍内的肉鸡进行计数，获取鸡群数量变化趋势。通过对笼养肉鸡进行状态检测和计数，判断鸡群是否存在异常情况或患病风险。

在大规模的肉鸡养殖场，上述人工检测和计数的方法效率低、工作量大、主观性强且信息更新慢，如果不能实时监测到笼养肉鸡的状态和数量信息，就不能及时发现鸡群的异常状态，也不能及时调整养殖管理策略。另外，人工进入养鸡场可能会使鸡只受惊，如果人员没有按照规定的消毒程序进入养鸡场，会增加肉鸡被感染的风险，同时，也会增加人员感染禽流感等疾病的风险。因此，急需一种笼养状态下的肉鸡智能状态检测和计数技术。

发明内容

本发明的目的在于克服原有技术的不足，提供一种基于深度学习的笼养肉鸡状态检测和计数系统，以解决传统人工检测和计数时效率低、工作量大、主观性强等问题，提升养殖效益，促进疾病预防。

本发明是通过以下技术实现的：

一种基于深度学习的笼养肉鸡状态检测和计数系统，包括模型训练、模型部署、用户端传输，包括以下步骤：

S1、采集并标注笼养肉鸡的图像；

S2、进行数据离线增强，建立笼养肉鸡状态检测数据集；

S3、以YOLOv5s为基准网络，替换主干网络为EfficientNetV2结构，引入深度可分离卷积和注意力机制，优化图像后处理过程NMS算法，构建高精度轻量级YOLOv5s网络作为笼养肉鸡状态检测网络；

S4、修改训练参数进行笼养肉鸡状态检测网络训练；

S5、观测评估指标，得到最优网络模型，结合目标跟踪任务完成计数，并进行测试；

S6、将网络模型部署在巡检机器人嵌入式平台，实现实时检测与计数；

S7、巡检机器人与用户端相连，实现实时监测。

进一步，所述步骤S1具体步骤如下：

S1.1、在鸡群养殖基地，利用摄像头在鸡栏前方拍摄采集笼养肉鸡视频，并在拍摄过程中变换拍摄角度和距离；

S1.2、对视频进行筛选处理，得到所需的视频帧，导出为.jpg格式的图像，像素为1920×1080，完成图像的采集；

S1.3、使用LabelImg工具对采集到的图像进行标注，选用不同标签，标注出图像中所有不同状态肉鸡整体框，标注文件存储为xml格式，其中包含目标外接矩形的顶点坐标和类名信息。

进一步，所述步骤S2具体步骤如下：