首页|基于深度卷积网络的育肥猪体重估测

基于深度卷积网络的育肥猪体重估测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
为快速、无应激、准确地获取育肥猪体重数据,采用深度卷积网络对育肥猪体重进行了估测.结果表明:1)在改造后的Xception、MobileNetV2、DenseNet201和ResNet152V2 4种模型中,DenseNet201模型体重估测效果最好,在验证集上估测的相关系数为0.993 9,均方根误差为1.85 kg,平均绝对误差为1.10 kg,平均相对误差1.57％,被选为本研究所用的育肥猪体重估测模型;2)在测试数据上考察了该模型的泛化效果,其估测的相关系数为0.976 7,均方根误差为2.75 kg,平均绝对误差为2.10 kg,平均相对误差3.03％,效果良好;3)该模型的平均估测时间为0.16 s,其处理速度远快于传统方法,更适合用于育肥猪分群系统、母猪饲喂站等对猪只体重获取速度要求严格的场合.综上,深度卷积网络模型可用于快速估测育肥猪体重,为猪场的自动化、智能化和无人化管理提供依据.
Weight estimation of fattening pigs based on deep convolutional network

张建龙、冀横溢、滕光辉

展开 >

中国农业大学水利与土木工程学院,北京100083

农业农村部设施农业工程重点实验室,北京10083

北京市畜禽健康养殖环境工程技术研究中心,北京100083

育肥猪 体重估测 深度学习 卷积神经网络

2016YFD0700204cstc2019jscx-gksbX0093

2021

10.11841/j.issn.1007-4333.2021.08.11

中国农业大学学报
中国农业大学

中国农业大学学报

CSTPCDCSCD北大核心
影响因子：0.971
ISSN：1009-508X
年,卷(期)：2021.26(8)
  • 8
  • 4