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...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。展开更多
文摘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。
