基于改进YOLOv5s算法的母猪发情检测研究
包权1
周昕2
吴越2
王坤1
徐杏2
金梦阳3
王星博2
黄娟4
周卫东2
1.浙江科技大学生物与化学工程学院,浙江 杭州 310023;浙江省农业科学院畜牧兽医研究所,浙江 杭州 3100212.浙江省农业科学院畜牧兽医研究所,浙江 杭州 3100213.浙江金华绿数农业科技有限公司,浙江 金华 3210224.浙江科技大学生物与化学工程学院,浙江 杭州 310023
摘要：为解决传统人工检测效率和准确性低的问题,本研究针对母猪发情时阴户变红肿的特征,通过在YOLOv5s主干网络中添加CA(Coordinate Attention)注意力机制、使用CARAFE上采样替换原有的插值上采样、使用EIoU损失函数替换原CIoU损失函数,提出了一种基于改进YOLOv5s的母猪发情检测方法,并开展了消融实验及与其他模型的比较试验.结果显示,改进模型对母猪阴户形态识别的精确率、召回率和平均精度均值(mAP@0.5)分别达 94.5%、93.3%和 93.8%.与YOLO系列部分模型(含原模型)和Faster R-CNN模型相比,改进模型对母猪阴户形态识别在保持最高的准确率、召回率和平均精度均值的同时,模型的权重、参数量和计算量分别为 16.3MB、7.2 M、16.3 G,仅略高于原模型(15.8MB、7.0 M、14.5 G),但明显低于其他模型;检测帧率(FPS)为 64.3 帧ˈs-1,略低于原模型的 73.2 帧ˈs-1和YOLOv8s模型的 67.1 帧ˈs-1,但明显高于其他模型.由此表明,本研究提出的改进YOLOv5s模型能明显提高检测精度,提升实时检测性能,为母猪发情检测提供技术支持.
关键词：YOLOv5s母猪发情CA注意力机制CARAFE上采样EIoU损失函数
分类号：S126:S828(农业物理学)
资助基金：浙江省农机研发制造推广应用一体化试点项目(2024R22S60B01)宁波市科技计划项目(2022Z178)浙江省农业科学院学科建设项目(10401000019CC2205G)
论文发表日期：2026-01-30
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：9( 164-172 )
英文信息