|本期目录/Table of Contents|

[1]陶雪阳,施振旦,郭彬彬,等.基于RFID与目标检测的种鹅个体产蛋信息监测方法[J].江苏农业科学,2023,51(5):200-208.
　Tao Xueyang,et al.Monitoring method of individual egg-laying information of breeding geese based on RFID and object detection[J].Jiangsu Agricultural Sciences,2023,51(5):200-208.
点击复制

基于RFID与目标检测的种鹅个体产蛋信息监测方法(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第51卷
期数:
2023年第5期
页码:
200-208
栏目:
农业工程与信息技术
出版日期:
2023-03-05

文章信息/Info

Title:
Monitoring method of individual egg-laying information of breeding geese based on RFID and object detection
作者:
陶雪阳1; 施振旦1; 2; 郭彬彬2; 戴子淳2
1.江苏大学农业工程学院，江苏镇江 212001； 2.江苏省农业科学院畜牧研究所，江苏南京 210014
Author(s):
Tao Xueyang; et al
关键词:
种鹅; 产蛋监测; 无线射频识别; 目标检测; YOLOv4; 目标计数
Keywords:
-
分类号:
S126；TP391.41
DOI:
-
文献标志码:
A
摘要:
为解决群养种鹅个体产蛋信息监测难度大的问题，提出一种基于射频识别技术(radio frequency identification，RFID)与目标检测算法的种鹅个体产蛋信息监测方法。首先，使用134.2 kHz低频RFID实现无接触获取产蛋种鹅身份信息。其次，引入目标检测算法实时获取种鹅与鹅蛋的位置与数量信息，采用微调训练的方法分阶段训练目标检测模型，以增加模型在小数据集情况下的收敛速度与精度。利用种鹅定点产蛋的行为特点，将图像中每个独立产蛋区域提取为感兴趣区域，实现对每个产蛋区域的独立监测。最后，设计目标计数算法减小计数结果的误差，通过判断种鹅与鹅蛋的数量变化情况，获得种鹅个体开始产蛋时间、结束产蛋时间及产蛋结果。试验结果表明，YOLOv4目标检测模型检测种鹅与鹅蛋的平均精度均值(mAP)为93.59%，种鹅个体身份信息的监测准确率为985%，产蛋行为信息的监测准确率为91.3%，符合产蛋信息监测的要求。
Abstract:
-

参考文献/References:

［1］郭彬彬，朱欢喜，施振旦. 鹅的季节性繁殖及其调控机制与技术的研究进展［J］. 黑龙江动物繁殖，2020，28(1)：42-46.
［2］李久熙，王春山，吕继兴，等. 平养蛋鸭种蛋智能收集和标记系统设计与试验［J］. 农业工程学报，2017，33(17)：136-143.
［3］王春山，李久熙，黄仁录，等. 蛋鸡生产参数自动监测系统设计与实现［J］. 农业工程学报，2014，30(16)：181-187.
［4］刘秀敏，魏冬霞. RFID技术在畜牧业中的应用探析［J］. 家畜生态学报，2020，41(1)：78-80.
［5］易诗，李俊杰，张鹏，等. 基于特征递归融合YOLOv4网络模型的春见柑橘检测与计数［J］. 农业工程学报，2021，37(18)：161-169.
［6］孙爱东，尹令，石凯歌，等. 基于RFID的群养种鹅个体产蛋记录方法［J］. 江苏农业科学，2016，44(2)：420-423.
［7］许译丹，谢秋菊，闫丽，等. 基于RFID的种鹅个体产蛋智能监测系统设计与试验［J］. 黑龙江八一农垦大学学报，2019，31(6)：78-84，117.
［8］李丽华，黄仁录，霍利民，等. 蛋鸡个体生产性能参数监测装置设计与试验［J］. 农业工程学报，2012，28(4)：160-164.
［9］李琴，王丽辉，张峰，等. 基于光电检测与无线射频技术的种鹅育种监控技术［J］. 激光杂志，2015，36(8)：72-74.
［10］李娜，任昊宇，任振辉. 基于深度学习的群养鸡只行为监测方法研究［J］. 河北农业大学学报，2021，44(2)：117-121.
［11］Fang C，Huang J D，Cuan K X，et al. Comparative study on poultry target tracking algorithms based on a deep regression network［J］. Biosystems Engineering，2020，190：176-183.
［12］Riekert M，Klein A，Adrion F，et al. Automatically detecting pig position and posture by 2D camera imaging and deep learning［J］. Computers and Electronics in Agriculture，2020，174：105391.
［13］Bochkovskiy A，Wang C Y，Liao H Y M. YOLOv4：optimal speed and accuracy of object detection［C］// IEEE Conference on Computer Vision and Pattern Recognition（CVPR 2020). Seattle，2020.
［14］Roy A M，Bose R，Bhaduri J. A fast accurate fine-grain object detection model based on YOLOv4 deep neural network［J］. Neural Computing and Applications，2022，34(5)：3895-3921.
［15］艾博，许向阳，贾月明. 基于Modbus RTU协议的数据采集平台设计与实现［J］. 电子工业专用设备，2021，50(5)：46-49.
［16］Zoph B，Cubuk E D，Ghiasi G，et al. Learning data augmentation strategies for object detection［C］//European conference on computer vision. Cham：Springer，2020：566-583.
［17］Ren S Q，He K M，Girshick R，et al. Faster R-CNN：towards real-time object detection with region proposal networks［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence，2017，39(6)：1137-1149.
［18］Liu W，Anguelov D，Erhan D，et al. SSD：single shot MultiBox detector［C］//European Conference on Computer Vision. Cham：Springer，2016：21-37.
［19］He K M，Zhang X Y，Ren S Q，et al. Spatial pyramid pooling in deep convolutional networks for visual recognition［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence，2015，37(9)：1904-1916.
［20］Lin T Y，Dollár P，Girshick R，et al. Feature pyramid networks for object detection［C］//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Hawaii：IEEE，2017：2117-2125.
［21］Wang K X，Liew J H，Zou Y T，et al. PANet：few-shot image semantic segmentation with prototype alignment［C］//Proceedings of the IEEE International Conference on Computer Vision. Seoul：IEEE，2019：9197-9206.
［22］宋燕星，袁峰，丁振良. 目标感兴趣区域检测算法［J］. 吉林大学学报(工学版)，2010，40(5)：1421-1425.
［23］Kding C，Rodner E，Freytag A，et al. Fine-tuning deep neural networks in continuous learning scenarios［C］//Asian Conference on Computer Vision. Cham：Springer，2016：588-605.
［24］李雨鑫，普园媛，徐丹，等. 深度卷积神经网络嵌套fine-tune的图像美感品质评价［J］. 山东大学学报(工学版)，2018，48(3)：60-66.
［25］Loshchilov I，Hutter F.SGDR：stochastic gradient descent with warm restarts［C］// 5th International Conference on Learning Representations. Toulon，2017.

相似文献/References:

[1]孙爱东,尹令,石凯歌,等.基于RFID的群养种鹅个体产蛋记录方法[J].江苏农业科学,2016,44(02):420.
　Sun Aidong,et al.Individual egg recording method of laying goose with group rearing based on RFID[J].Jiangsu Agricultural Sciences,2016,44(5):420.

备注/Memo

备注/Memo:
收稿日期：2022-05-23
基金项目：国家现代农业产业技术体系专项资金(编号：CARS-40-20)。
作者简介：陶雪阳(1997—)，男，安徽合肥人，硕士研究生，主要从事农业视觉检测与控制研究。E-mail：1508294002@qq.com。
通信作者：施振旦，博士，研究员，主要从事家禽繁殖内分泌调控研究。E-mail：zdshi@jaas.ac.cn。
更新日期/Last Update: 2023-03-05