【技术实现步骤摘要】
一种猪只跟踪与检测健康状态的方法
[0001]本专利技术涉及目标检测
、
识别与跟踪的
，尤其是指一种猪只跟踪与检测健康状态的方法
。
技术介绍
[0002]猪只健康与众多因素相关，传统的猪只健康监测依赖于在生产过程中由饲养员人工巡检观察畜禽的进食
、
饮水
、
排泄和姿态表情等，如发现有异常则借助体温测量
、
抽血等生理化验手段来进一步诊断猪只的健康状况，高度依赖饲养员的个人经验，缺少智能化的管理手段
。
猪的行为是猪的语言，是诊断它是否健康的依据之一
。
在正常的环境条件下，猪表现出正常的行为，如进食
、
饮水和排泄猪只生病时除了在生理数据上出现异常表征外，其日常行为也会出现相应变化，如饮水采食会出现偏差
、
排泄次数增加等表现
。
猪只的行为自动化识别技术，主要应用的技术包括传感器技术
、RFID
技术及视频监控技术
。
穿戴式传感器存在易脱落
、
导致猪只受伤等问题；无线射频技术
(RFID)
可通过无线电讯号识别特定目标并读写数据，可借助
RFID
技术对固定饮水
、
进食这些固定位置进行检测，但它易对猪只造成刺激，甚至因为猪只碰撞导致设备损坏
。
技术实现思路
[0003]本专利技术的目的在于克服现有技术的缺点与不足，提出了一种猪只...
【技术保护点】
【技术特征摘要】
1.
一种猪只跟踪与检测健康状态的方法，其特征在于，该方法是基于改进
YOLOv5
网络实现猪只的精准识别，然后将识别结果送入改进
OCSort
多目标跟踪算法中进行跟踪并判断健康状态；其中，改进
YOLOv5
网络是对传统
YOLOv5
网络的特征提取网络和检测网络进行改进；对特征提取网络的改进是：在
CSPx
模块后添加
CoordAttention
模块，该模块能够提高对特征的提取能力；对检测网络的改进是：将原有的
Detect
模块替换为
ASFF_Decet
模块，目的是抑制不同层级的特征之间的冲突信息，提高特征融合效果；改进
OCSort
多目标跟踪算法是将原有的外观信息嵌入到跟踪模型时，提供一个灵活的加权因子
α
来调整来自历史和当前时间的视觉嵌入的比率，提高对相似的目标的跟踪效果；该方法的具体实施包括以下步骤：
S1、
获取猪只的初始图像，对初始图像中的猪只和行为进行标注，得到带有标注框的猪只图像数据，再对猪只图像数据进行数据增强处理，保证图像尺寸和网络输入尺寸相同，将处理后的猪只图像数据划分训练集
、
验证集和测试集；
S2、
将训练集和验证集输入改进
YOLOv5
网络进行训练和验证，经过训练和验证完成后，得到一个能够自动对图像中的猪只进行目标检测和行为检测的最优网络；
S3、
将测试集输入到最优网络中，得到带有检测信息的猪只视频，再将其输入到改进
OCSort
多目标跟踪算法中，帧与帧之间的相同猪只会通过该改进
OCSort
多目标跟踪算法进行自动跟踪；
S4、
在跟踪过程中会获得一系列的猪只行走
、
饮食和躺卧信息作为跟踪结果，对跟踪结果进行健康判断，最终实现猪只的实时健康检测
。2.
根据权利要求1所述的一种猪只跟踪与检测健康状态的方法，其特征在于，所述步骤
S1
包括以下步骤：
S101、
获取猪只图像数据的初始图像，由人工拍照或视频监控收集；
S102、
使用
labelImg
这一个数据集格式制作软件对初始图像的猪只对象进行标注，其中行为标注分为站立
、
饮食和躺卧，并将标注以
YOLO
的图像标注格式保存，得到带有标注框的猪只图像数据；
S103、
对猪只图像数据进行数据增强处理，保证图像尺寸和网络输入尺寸相同，最后，将处理后的猪只图像数据进行分割生成供训练使用的训练集
、
供训练期间验证的验证集和供训练后测试的测试集
。3.
根据权利要求2所述的一种猪只跟踪与检测健康状态的方法，其特征在于，在步骤
S2
中，所述改进
YOLOv5
网络包括：特征提取网络
、
特征融合层网络和检测网络，具体情况如下：
①
特征提取网络：包含
CSPx
模块和
CoordAttention
模块；
CSPx
模块包含多个
CBS
模块，
CBS
模块是将输入特征依次经过卷积层
、
归一化层
、
激活函数，得到输出层，
CBS
模块由一个
Conv
层
、
一个
BN
层以及一个
Silu
激活函数组成，
Conv
是普通卷积层，
BN
是归一化处理，表示为：式中，
x
为输入，
y
为输出，
E
为样本均值，
Var
为样本方差，
ε
是为了数值稳定性而添加的值，
γ
和
β
为
BN
的权重，
*
为卷积计算；
Silu
激活函数是
swish
激活函数的变体；表示为：激活函数的变体；表示为：式中，为输入，
sigmoid
指激活函数，
β
′
为权重；
CSPx
模块在特征提取网络中分为两个部分，一个部分是经过
CBS
模块和
Res unit
模块，另一部分是经过
CBS
模块，二者通过全连接层连接后再通过
CBS
模块输出；其中
Res unit
模块由输入特征通过两个连续的
CBS
模块和原输入特征对应通道进行信息融合；
CoordAttention
模块通过将位置信息嵌入到通道注意力中，使得轻量级网络能够在更大的区域上进行注意力，同时避免产生大量的计算开销，分为两个步骤：坐标信息嵌入和坐标注意力生成；对于坐标信息嵌入，具体是：对
c
通道的输入
x
c
，使用两个尺寸分别为
(h,1)
和
(1,w)
的池化核沿着水平坐标
w
方向和竖直坐标
h
方向对每个通道进行编码，即高度为
h
的第
c
个通道的输出表示为：式中，
x
c
(h,j)
是通道
c
维度为
(h,j)
的二维空间核；宽度为
w
的第
c
个通道的输出表示为：式中，
x
c
(i,w)
是通道
c
维度为
(i,w)
的二维空间核；上述两个输出和分别沿着两个空间方向进行特征聚合，最后返回一对方向感知特征图；对于坐标注意力生成，基于坐标信息嵌入生成的一对方向感知特征图，接着用一个共享的1×1...
【专利技术属性】
技术研发人员：李建裕，田绪红，古万荣，毛宜军，李观明，黄锦涛，朱奕鑫，陈蔚钊，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。