20220502 基于深度学习的肉兔剩余饲料重量估测模型

随着精准畜牧业的发展，无接触的健康感知技术在养殖环节中尤为重要。为了提高肉兔养殖业管理水平，该研究开发了一种基于图像分割技术的肉兔剩余饲料重量估测模型。该模型由饲料实例分割网络和饲料重量估测网络组成。基于改进的Mask RCNN网络构建了饲料实例分割网络，该网络以PointRend网络头替换网络的原本网络头，通过自适应点细分方法，对图像边缘处的点进行精细分类。随后从图像分割结果中提取图像特征，作为饲料重量估测网络的输入，构建了基于反向传播神经网络的饲料重量估测网络。将该模型应用于肉兔实际养殖过程以评估模型性能，并探讨了剩余饲料重量和肉兔死亡率之间的关系。模型评估结果表明饲料实例分割网络的平均精确度为0.987，平均像素精度为0.985。饲料重量估测网络的相关系数为0.97，均方误差为208.3，平均绝对误差为10.51g。实际应用结果表明，不健康的肉兔采食量将显著降低，当剩余饲料重量高于喂料量的50%时，肉兔的死亡率高于85%；当剩余饲料重量高于喂料量的65%时，肉兔在短时间内会全部死亡。因此，剩余饲料重量和肉兔的死亡概率之间有显著的相关性，通过估测剩余饲料重量，该模型能帮助养殖舍进行肉兔健康监测。

[编译自：Duan E Z，Wang L J，Wang H Y，Hao H Y，Li R L. Remaining feed weight estimation model for health monitoring of meat rabbits based on deep convolutional neural network. Int J Agric & Biol Eng，2022；15（1）：233–240.]