数字农科院2.0

基于改进实例分割算法的区域养殖生猪计数系统

文献类型： 中文期刊

作者： 张岩琪;周硕;张凝;柴秀娟;孙坦

作者机构：

关键词： 生猪计数;深度学习;微信小程序;YOLOv8;实例分割

期刊名称：智慧农业(中英文)

ISSN： 2096-8094

年卷期： 2024 年

页码：

收录情况： CSCD（2023-2024年度） ; ; 科技核心（2024版） ; ; 农林核心（2020版）

摘要： [目的/意义]针对现有规模化猪场生猪计数需求场景多，人工计数效率低、成本高等问题，提出一种基于改进实力分割深度学习算法和微信公众平台的区域养殖生猪计数方法。[方法]首先，利用智能手机拍摄养殖场猪只视频，对视频抽帧进一步生成图像数据集。其次，通过改进卷积块注意力模块（Convolutional Block Attention Module, CBAM）中忽略通道与空间相互作用及通道注意力中降维操作带来的效率较低问题，提出高效全局注意力模块，并将该模块引入基于回归分析的单阶段实例分割网络YOLOv8 (You Only Look Once)中对获取的生猪图像进行分割，构建新的识别模型YOLOv8x-Ours，以实现高精度的生猪计数。最后，基于微信公众平台开发微信小程序，并嵌入综合表现最优的生猪计数模型，实现使用智能手机拍摄图像进行生猪快速计数。[结果和讨论]在测试集上的试验结果表明，与现有实例分割模型相比，引入高效全局注意力的YOLOv8x-Ous模型获得66%的平均精度[AP (50∶95)]，平均绝对误差（Mean Absolute Error, MAE）、均方根误差（Root Mean Square Error, RMSE）和R2分别为1.727、2.168和0.949，表现出较高的准确性和稳定性。模型计算猪只数量误差小于3头猪的图像数量占测试图像总数量的93.8%，相比两阶段实例分割算法Mask R-CNN (Region Convolutional Neural Network)提升7.6%；单幅图像平均处理时间仅为64 ms，是Mask R-CNN的1/8。[结论]该方法经济高效，为规模化猪场的生猪计数提供了一种技术方案。

分类号：

  • 相关文献

[1]基于YOLO V3的葡萄病害人工智能识别系统. 王超学,祁昕,马罡,朱亮,王白暄,马春森. 2022

[2]入侵昆虫识别微信小程序设计与实现. 黄亦其,沈豪,王福宽,钱万强,董双玉,乔曦. 2023

[3]基于多尺度融合模型的双维度番茄潜叶蛾识别方法及应用. 周晓彦,鞠醒,于启炟,马浩,冼晓青,张桂芬. 2025

[4]基于改进YOLO v8n-seg的群猪分割方法研究. 王兴家,郑纪业,盛清凯,杨亮,张霞. 2025

[5]基于改进YOLOv8的自然环境下柑橘果实识别. 余圣新,韦莹莹,方辉,李敏,柴秀娟,曾志康,覃泽林. 2024

[6]基于改进YOLOv8模型的冬小麦穗识别技术. 宫志宏,闫锦涛,于红,刘涛,刘布春,李树岩. 2026

[7]Study on Recognition of Typical Curing Stages of Jiangxi Tobacco Leaves Based on Image Processing. 段史江,,刘浩,,王爱华,,胡毅翀,,齐飞,,胡强. 2024

[8]Study on Discriminant Model of Flue-curing Stage of Tobacco Leaves in Curing Process. 王志诚,,孟令峰,,王松峰,,谢良文,,李文刚. 2024

[9]水肥一体化管控系统设计和实现. 金永奎,盛斌科,孙竹,张祎. 2020

[10]End-to-end stereo matching network with two-stage partition filtering for full-resolution depth estimation and precise localization of kiwifruit for robotic harvesting. Xudong Jing,Hanhui Jiang,Shiao Niu,Haosen Zhang,Bryan Gilbert Murengami,Zhenchao Wu,Rui Li,Chengquan Zhou,Hongbao Ye,Jinyong Chen,Yaqoob Majeed,Longsheng Fu. 2024

[11]GVC-YOLO: A Lightweight Real-Time Detection Method for Cotton Aphid-Damaged Leaves Based on Edge Computing. Zhenyu Zhang,Yunfan Yang,Xin Xu,Liangliang Liu,Jibo Yue,Ruifeng Ding,Yanhui Lu,Jie Liu,Hongbo Qiao. 2024

[12]ACCURATE NON-DESTRUCTIVE TESTING METHOD FOR POTATO SPROUTS FOCUSING ON DEFORMABLE ATTENTION. Geng, Binxuan,Dai, Guowei,Zhang, Huan,Qi, Shengchun,Dewi, Christine. 2024

[13]Lightweight cotton diseases real-time detection model for resource-constrained devices in natural environments. Pan Pan,Mingyue Shao,Peitong He,Lin Hu,Sijian Zhao,Longyu Huang,Guomin Zhou,Jianhua Zhang. 2024

[14]Xoo-YOLO: a detection method for wild rice bacterial blight in the field from the perspective of unmanned aerial vehicles. Pan Pan,Wenlong Guo,Xiaoming Zheng,Lin Hu,Guomin Zhou,Jianhua Zhang. 2023

[15]Weed Recognition at Soybean Seedling Stage Based on YOLOV8nGP + NExG Algorithm. Tao Sun,Longfei Cui,Lixuan Zong,Songchao Zhang,Yuxuan Jiao,Xinyu Xue,Yongkui Jin. 2024

[16]A Method of Grape Cluster Target Detection and Picking Point Location Based on Improved YOLOv8. Liu, Huaiyang,Liu, Wanfu,Wang, Wenhao,Li, Huibin,Geng, Changxing. 2025

[17]Field Obstacle Detection and Location Method Based on Binocular Vision. Yuanyuan Zhang,Kunpeng Tian,Jicheng Huang,Zhenlong Wang,Bin Zhang,Qing Xie. 2024

[18]FEL-YoloV8: A New Algorithm for Accurate Monitoring Soybean Seedling Emergence Rates and Growth Uniformity. Yu, Xun,Jiang, Tiantian,Zhu, Yanqin,Li, Liming,Fan, Fan,Jin, Xiuliang. 2025

[19]YOLOv8-MSP-PD: A Lightweight YOLOv8-Based Detection Method for Jinxiu Malus Fruit in Field Conditions. Yi Liu,Xiang Han,Hongjian Zhang,Shuangxi Liu,Wei Ma,Yinfa Yan,Linlin Sun,Linlong Jing,Yongxian Wang,Jinxing Wang. 2025

[20]基于半监督学习的无线网络攻击行为检测优化方法. 王婷,王娜,崔运鹏,李欢. 2020

作者其他论文 更多>>