基于YOLO v3的生猪个体识别方法

来源：中国农机化学报杂志2021年第2期北京时间：

作者：金耀;何秀文;万世主;刘仁鑫;

单位：江西农业大学工学院;

摘要：为实现高效的猪只个体识别,提出一种基于机器视觉的生猪个体识别方法。通过采集母猪和仔猪个体图像,对图像进行扩充和筛选,制作训练集和测试集。试验采用基于YOLO v3的识别模型,并与Faster RCNN和SSD模型识别结果进行比较,结果表明:对仔猪的识别平均精度均值达89.65%,准确率达95.99%,召回率达84.09%。对母猪的识别平均精度均值达95.16%,准确率达96.00%,召回率达96.00%。相较于Faster RCNN,该模型的识别速率是其7倍以上,相较于SSD,该模型的平均精度均值提高9%,说明该模型在识别速率和识别精度上都达到了较高水平。该研究可为猪只个体智能识别、数据监测及养殖信息化等提供理论依据。

关键词：猪只识别,机器视觉,深度学习,YOLOv3,图像采集,养殖信息化

基金资助：江西省畜牧设施技术开发工程研究中心专项基金(赣发改高技(2019)277号)