基于深度学习的群养鸡只行为监测方法研究

李 娜，任昊宇，任振辉

（1.河北农业大学 机电工程学院， 河北 保定 071001；2.河北农业大学 现代科技学院，河北 保定 071001）

随着信息技术的飞速发展，畜牧业也由传统的养殖管理向着信息化、自动化的方向发展。精准畜牧业(Precision livestock farming, PLF)定义为使用过程工程的原理和技术应用于畜牧业，自动监测、建模和管理动物生产［1］。其核心是实时、自动和持续的监测畜禽的行为，以改善其健康状况和福利状况，也为长期的监控产品质量提供最好的保证。目前，视频监控越来越多地应用在畜禽养殖中，由于其可以非入侵无接触的长期监测动物，与可穿戴设备如耳标、RFID等相比，不会影响动物的活动，廉价经济，并且随着计算机视觉技术的快速发展，使得用摄像头监测动物行为、自动分析动物的福利和健康成为可能［2-5］。

随着深度学习理论的快速发展，众多研究者将其应用在畜禽养殖中，尤其在复杂场景下识别猪、牛的行为，具有良好的性能［6-9］。鸡只识别方面，王娟等［10］基于YOLO v3识别了本交笼养鸡的喝水（86.88%）、站立（94.57%）、吃食（93.10%）、交配（94.72%）、打架（88.67%）和展翅（92.02%）行为。基于深度学习理论的畜禽行为识别应用在猪、牛等大型动物上较多，由于鸡只的个体小、数量大，应用深度学习实现鸡只个体行为识别的研究较少。

在众多深度学习算法中，YOLO系列算法［11-12］是目前运行速度快、多目标检测准确率较高的算法，符合实时处理的要求。本试验以YOLO v4目标检测算法为基础，旨在研究散养鸡群在鸡舍中的行为，实现对鸡只采食、站立、趴卧、梳羽、啄羽和打架行为的实时、自动监测。……