基于改进YOLOv10s的攻击状态下群养猪身份识别

来源：电子测量技术杂志2026年第5期北京时间：

作者：陈晨，蒋毅，朱伟兴

单位：江苏大学电气信息工程学院 镇江 212013

摘要：目前，基于计算机视觉的猪攻击识别主要采用深度学习算法。然而，这些方法仅识别猪群/成对猪的攻击并不能确定哪些猪参与攻击。因此，识别猪个体身份有助于推动攻击识别从群体/成对级细化为个体级。针对群养猪攻击过程中身体变形和重叠等因素对猪身份识别精度的影响,本文提出一种改进YOLOv10s的猪身份识别模型IDBS-YOLOv10s。首先，在骨干网络中采用InceptionNeXtDCNv3替代c2f中的卷积以减小模型的参数和计算量，从而增强YOLOv10s网络提取特征的能力。然后，在颈部采用加权双向特征金字塔网络以增强模型融合不同特征层的能力。接着，在检测头前添加SEAM注意力机制以增强模型提取猪身份的关键特征信息的能力。最后，采用检测头v10detect识别个体猪身份。该模型的身份识别准确率为94.3%，召回率为93.7%，平均精度均值为95.8%，模型权重仅为15.2 MB。结果表明该方法能够识别攻击场景下猪身份。

关键词：群养猪;身份识别;YOLOv10s;双向特征金字塔;深度学习

基金资助：国家自然科学基金(32102598)项目资助