摘要
仔猪的生长状况对猪场生产力和养殖效益具有重要影响。通过仔猪间社交关系深入了解仔猪内部社会，及时发现性格孤僻、长时间脱离群体的异常仔猪，有效防止其进食受限，对于提高仔猪生长福利和推动猪场高效健康管理具有重要意义。现阶段，仔猪社交关系研究主要依靠饲养员或者实验人员现场观察，该方法人工依赖多、劳动强度大、观测效率低。近年来，机器视觉与深度学习技术发展迅速，已在多场景下实现了多任务目标检测识别研究与验证，也逐渐用于猪只目标检测、姿态检测、行为识别等方面研究，但该类技术用于仔猪社交关系研究方面尚未见报道。针对该问题，本文以“智能化分析仔猪社交关系减少养殖损失”为研究目标，按照“仔猪个体检测、社交中心聚类、运动轨迹追踪与社交网络构建”的研究思路，开展了基于计算机视觉的仔猪社交关系研究，主要内容如下: (1)仔猪身份识别模型构建。根据猪场环境条件，建立数据采集平台并构建数据集。为提高仔猪身份识别的准确率，对YOLOv5进行了改进，在网络主干部分引入SE注意力机制模块，并在网络预测部分使用CIOU损失函数替换GIOU损失函数。与原YOLOv5、YOLOv4、SSD,FasterR-CNN相比，改进后的YOLOv5精确率(Precision，P)、召回率(Recall，R)和平均精度均值(meanAveragePrecision,mAP)值分别达到99.20％、99.17％和99.29％，综合性能最好，满足实时获取仔猪身份的需求。 (2)仔猪社交关系量化分析。利用仔猪身份识别模型逐帧获取仔猪的身份信息，综合对比了Mean-shift、AffinityPropagation与K-means聚类算法，K-means具有算法复杂度较低以及鲁棒性较好等特点，最符合本文实际需求。依据K-means聚类算法确定仔猪社交中心，并通过度量仔猪与社交中心的欧氏距离量化仔猪的社交值，进一步引入仔猪的运动轨迹、社交网络来综合分析仔猪的社交关系，最终利用所设置的社交关系判定阈值对猪舍中仔猪的社交关系进行分类，识别出社交关系异常仔猪，直观了解仔猪内部社交关系。 (3)仔猪社交关系分析系统设计。以交互性和直观性为目标，使用PyQt5和Pycharm开发软件系统，实现了用户注册登录、模型权重参数与视频选择、仔猪身份识别、仔猪社交值分析、仔猪运动轨迹分析以及仔猪社交网络分析等功能，并进行了系统调试与试验，结果表明:所设计的仔猪社交分析系统能直观了解仔猪间的社交情况，并能识别出长期脱离群体不合群仔猪。 本文可为仔猪间社交关系分析提供一种新型的研究手段，有效检测出猪舍中的社交关系异常仔猪，减少养殖场经济损失。
NETL