基于深度学习的生猪饮水行为识别研究

（江苏大学电气信息工程学院，江苏镇江 212013）

0 引言

随着我国养殖业规模不断扩大，家畜养殖不断向规模化、集约化方向发展。在大规模、高密度饲养环境下，家畜的健康管理越来越重要［1］，高精度低成本的自动化养殖方式逐渐取代传统的人工养殖。目前家畜养殖通常采取半自动化方式，通过人工与无线射频识别技术（Radio Fre⁃quency Identification，RFID）相结合进行管理［2］。但RFID技术需要在猪的耳朵上安装侵入式标签，成本高且不易操作。与RFID 技术相比，机器视觉技术仅需一台摄像设备，成本低廉且自动化程度高。

基于机器视觉的家畜自动化检测技术研究成果有：朱伟兴等［3］通过改进的运动目标检测算法定位异常生猪，并将图像通过分组无线服务网络传送至监控中心；马丽等［4］根据生猪呼吸时腹部的起伏特点，构建猪的腹式呼吸表达式，并逐段检测生猪视频呼吸频率；陆明洲等［5］结合射频标签和红外技术监测生猪饮水频率及消耗量；高云等［6］利用hough 聚类方式识别头尾；谭辉磊等［7］对轮廓多边形近似计算相似度判断饮水行为；杨秋妹等［8］将图像二值化，计算生猪连通域在固定饮水区域所占面积，然后利用卷积神经网络判断饮水区域目标是否为猪头，以此判别饮水行为。以上判断方法均需要繁杂的特征提取过程，且对轮廓精确度要求较高，而生猪黏连、姿态变化等因素一定程度上影响了轮廓提取过程。

随着深度学习及目标检测技术发展，机器视觉识别能力有了较大提升。……