基于深度学习的群养鸡只行为监测方法研究

畜禽的行为能够反映其健康状况、环境舒适度等福利信息,是评价畜禽福利状况的重要指标.为了实时自动监测鸡舍中鸡群的行为状况,提出了1种基于深度学习的鸡群行为监测方法.用摄像头连续4个月每天7:00—17:30记录散养鸡群在鸡舍内的活动,筛选7988幅图片对鸡只的采食、站立、趴卧、梳羽、啄羽和打架行为进行标注,利用YOLO v4目标检测模型识别,各行为平均精确率分别为采食96.67％、站立90.34％、趴卧78.46％、梳羽82.01％、啄羽63.38％、打架67.14％,模型总体平均精确率为79.69％.为进一步提高啄羽行为检测结果,采用了时间序列分析方法提取持续时间大于30 s的啄羽行为.实验结果表明,该方法可以实现群养鸡只行为的实时自动监测,解决人工不能全天实时监测的问题,为精准化养殖提供了可能.