基于改进SSD的夜间猪群舒适度监测

发布时间：2025-06-21 04:16

　　 针对圈养猪夜间难以监测的问题,提出一种基于改进SSD的夜间猪群舒适度监测方法。首先,在SSD(single shotmultiboxdetector)算法中引入焦点损失函数,解决夜间目标与背景差异小而难以识别的问题;其次,使用soft-NMS算法检测遮挡的猪只目标;再次,通过二次迁移学习方法得到夜间圈养猪目标检测模型;最后,分析猪只位置信息监测夜间猪群舒适度。结果表明,所提方法能精确检测夜间多只猪目标,并对其舒适度进行监测。

【文章页数】：4 页

【部分图文】：

图3夜间猪群分布情况图

2020年第14期中国饲料314.3夜间猪群舒适度判断图3给出了夜间猪群分布情况图，表2为夜间猪群舒适度判断表。图3（a1）和（a2）圈中多只猪聚拢，最多只有一只猪未聚拢，猪舍偏冷。图3（b1）和（b2）圈中有猪只聚拢，且至少两只猪未聚拢，猪群分布适宜，猪舍温度适宜。图3（c1）....

图1SSD结构图

?蠼细撸?辜溲?臼?菟?然在初期易获取，但有效样本较少。迁移学习利用少量样本数据对已经由大量样本训练好的模型权值进行更新，实现权值共享，可以跳过模型初始阶段所需大量计算损耗，降低训练深度学习模型对数据量的要求（吴国琴，2017）。圈养猪日间样本量相较深度学习所需样本量少，但与夜间....

图2日间圈养猪检测结果图

加1，重复Step2-Step7；否则重复Step5-Step7；由此针对本文试验得到如下猪群分布情况判别规则：C为1或2且K不大于1，猪群分布情况为过度聚拢；C不为0且K大于1，猪群为分布适宜；C为0，猪群为过度分散。4试验结果与分析4.1日间猪目标检测试验本试验工作站的硬件配....

本文编号：4051900