【技术实现步骤摘要】
本专利技术涉及一种猪只行为识别统计方法、系统、计算机设备及存储介质，属于猪只行为识别。
技术介绍
1、猪只行为是猪只健康状态的重要表征和猪舍环境舒适度的重要体现，多数猪只疾病的临床或亚临床体征表现前常伴随着异常行为的出现，当猪只受到养殖环境变化的刺激时也会通过调节行为来缓解外界环境带来的不适。因此，实时感知猪只行为并对行为信息进行分析和挖掘，以得出猪只的健康状况和养殖环境舒适度等，实现环境预警和疾病预警，对猪只的福利化养殖有着重要意义。
2、早期研究主要利用电子传感器和传统图像识别方法对猪行为进行实时感知，但存在使用复杂、易导致猪只受伤和出现应激反应、识别速度慢等缺点，后续研究人员将深度学习模型应用于猪只行为识别，可实现低应激、非接触式猪只行为识别。这些模型虽能实现低应激、非接触式的猪只行为识别，也存在以下缺点：(1)模型训练的数据集仅为单一数据集，模型泛化能力较差，较难应用到其他养殖场景；(2)模型体积大，识别速度不高，难以满足视频流识别的实时性要求，在猪舍监测应用部署时对硬件要求高，不易将模型部署应用。
【技术保护点】
1.一种猪只行为识别统计方法，其特征在于，所述方法包括：
2.根据权利要求1所述的猪只行为识别统计方法，其特征在于，所述对YOLOv5n模型进行改进、轻量化和知识蒸馏，具体包括：
3.根据权利要求2所述的猪只行为识别统计方法，其特征在于，所述引入双域迁移学习方法和OTA标签分配方法对YOLOv5n模型进行训练，具体包括：
4.根据权利要求2所述的猪只行为识别统计方法，其特征在于，所述使用L1-norm剪枝算法对多场景群养猪只行为识别模型进行剪枝微调，具体包括：
5.根据权利要求2所述的猪只行为识别统计方法，其特征在于，所...
【技术特征摘要】
1.一种猪只行为识别统计方法，其特征在于，所述方法包括：
2.根据权利要求1所述的猪只行为识别统计方法，其特征在于，所述对yolov5n模型进行改进、轻量化和知识蒸馏，具体包括：
3.根据权利要求2所述的猪只行为识别统计方法，其特征在于，所述引入双域迁移学习方法和ota标签分配方法对yolov5n模型进行训练，具体包括：
4.根据权利要求2所述的猪只行为识别统计方法，其特征在于，所述使用l1-norm剪枝算法对多场景群养猪只行为识别模型进行剪枝微调，具体包括：
5.根据权利要求2所述的猪只行为识别统计方法，其特征在于，所述对剪枝微调后的多场景群养猪只行为识别模型进行中间特征知识蒸馏，具体包括：
6.根据权利要求1-5任一项所述的猪只行为识别统计方...
【专利技术属性】
技术研发人员：漆海霞，冯发生，梁广升，陈子鸿，江锦卓，简添灿，利晓浩，
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。