基于神经网络和机器学习的白羽肉鸡体重估测算法

2021-07-29沈明霞刘龙申郑荷花王梦雨

中国农业大学学报 2021年7期

庄超沈明霞* 刘龙申姚文郑荷花王梦雨

(1.南京农业大学工学院，南京 210031；2.南京农业大学动物科技学院，南京 210031；3.新希望六合股份有限公司，山东青岛 266100)

肉鸡体重是反应肉鸡健康程度的重要指标，有效地监测肉鸡体重是肉鸡规模化养殖过程中亟需解决的问题[1-2]。目前对于肉鸡体重的监测主要依靠饲养员观察和手动测量，这些肉鸡体重监测方法不仅劳动力成本高而且会使肉鸡产生应激反应。

随着机器视觉技术的发展，已有研究使用机器视觉技术对畜禽体重进行探索[3]，具体研究成果如下：1)获取并分析了大量的猪只数字图像特征信息与猪只体重增长之间的关系[4-7]；2)使用3D相机获取奶牛属性特征，建立奶牛体重和属性特征的线性模型[8]；3)利用3D视觉技术提取和肉鸡体重相关的13 种肉鸡特征信息，并建立5 种肉鸡体重估测模型[9]；4)采用基于深度图像的肉鸡体重估测方法，该方法首先通过传统的图像处理技术提取和肉鸡体重相关的特征，并结合BP模型对单只肉鸡进行体重估测[10]。

与传统的数字图像处理技术相比，神经网络对于复杂图像的处理更加高效和稳定。本研究拟采用目标识别算法YOLOv3和神经网络分割算法FCN提取图像中的肉鸡区域，以期为构建高效、精准的肉鸡体重估测模型和肉鸡体重智能监测系统提供理论和技术支撑。