近日，機(jī)械與電子工程學(xué)院田富洋副教授團(tuán)隊(duì)在《Frontiers in Veterinary Science》在線發(fā)表了題為“Leveraging SOLOv2 model to detect heat stress of poultry in complex environments”的研究論文。于鎮(zhèn)偉副教授為該論文的第一作者，田富洋副教授為該論文的通訊作者。

蛋雞的熱應(yīng)激是指機(jī)體遭受環(huán)境溫度超過(guò)等熱區(qū)上限的高溫刺激時(shí)，機(jī)體產(chǎn)生的一系列非特異性反應(yīng)。此時(shí)蛋雞的散熱能力受到阻礙，憑借機(jī)體自身的物理調(diào)節(jié)以維持體溫平衡的穩(wěn)態(tài)被打破，導(dǎo)致熱在體內(nèi)蓄積、體溫升高、代謝增加，損害健康與生產(chǎn)力。如果持續(xù)處于熱應(yīng)激狀態(tài)，則會(huì)出現(xiàn)動(dòng)物器官衰竭，嚴(yán)重時(shí)導(dǎo)致動(dòng)物死亡。隨著集約化養(yǎng)殖與全球變暖趨勢(shì)的日益加劇，熱應(yīng)激已成為影響家禽養(yǎng)殖業(yè)發(fā)展的重大因素之一。

圖1. 監(jiān)測(cè)網(wǎng)絡(luò)結(jié)構(gòu)圖

因此，本研究提出了一種用于家禽熱應(yīng)激狀態(tài)監(jiān)測(cè)的FPN-DenseNet- SOLO (FDS)模型。使用注意力機(jī)制(ECA)和DropBlock正則化優(yōu)化DenseNet-169網(wǎng)絡(luò)，在加強(qiáng)家禽熱應(yīng)激特征的提取，抑制無(wú)效背景特征的提取。該模型以SOLOv2模型為主體框架，將優(yōu)化的DenseNet-169作為骨干網(wǎng)絡(luò)，并融合特征金字塔模型，在語(yǔ)義分支與掩膜分支上對(duì)實(shí)例進(jìn)行檢測(cè)與分割。為測(cè)試FDS模型的性能，用12740幅家禽熱應(yīng)激和正常狀態(tài)圖像構(gòu)成的測(cè)試集進(jìn)行測(cè)試。測(cè)試結(jié)果表明，當(dāng)DenseNet-169網(wǎng)絡(luò)中沒(méi)有添加ECA模塊和DropBlock正則化模塊時(shí)，原始的模型識(shí)別準(zhǔn)確率為88.4%。ECA模塊的引入使模型的識(shí)別準(zhǔn)確率提高到91.9%。FDS模型在測(cè)試集上的召回率、AP0.5、AP0.75和平均精度均高于其他網(wǎng)絡(luò)。其中，該模型的recall為0.954，分別比Mask R CNN、Faster R CNN和SOLO v2的recall提高了15%、8.8%和4.2%。本研究實(shí)現(xiàn)了正常和熱應(yīng)激狀態(tài)下家禽的精確分割，為家禽的精確養(yǎng)殖提供了技術(shù)支持。

該研究針對(duì)實(shí)際生產(chǎn)中復(fù)雜的養(yǎng)殖背景圖像，提出了一種基于深度學(xué)習(xí)的家禽熱應(yīng)激狀態(tài)監(jiān)測(cè)與分割模型，解決了梯度消失問(wèn)題，增強(qiáng)了抗擬合能力，提升了模型準(zhǔn)確度，實(shí)現(xiàn)了正常狀態(tài)和熱應(yīng)激狀態(tài)下家禽的精確分割，為實(shí)際生產(chǎn)中家禽熱應(yīng)激狀態(tài)監(jiān)測(cè)與福利化養(yǎng)殖提供技術(shù)支持。

該研究得到了國(guó)家重點(diǎn)研發(fā)計(jì)劃和博士后研究經(jīng)費(fèi)的資助。

論文鏈接：https://doi.org/10.3389/fvets.2022.1062559

編      輯：萬(wàn)    千 

審      核：賈    波