基于红外图像的笼养白羽肉鸡体温检测方法

摘要

【目的】针对大规模笼养肉鸡体温自动检测困难的问题，提出一种深度学习与回归分析相结合的肉鸡体温检测方法。【方法】采用红外热成像仪采集肉鸡的红外图像，通过YOLOv5s深度学习算法训练感兴趣区域(肉鸡鸡头)模型，分别引入多元线性回归和多元非线性回归以建立肉鸡感兴趣区域温度与翅下温度的预测模型，从而实现自动体温检测。【结果】基于深度学习的感兴趣区域模型的精准率与召回率分别为93.8%和95.8%，多元线性回归温度预测模型1和多元非线性回归温度预测模型的平均相对误差分别为0.28%和0.27%，温度预测值与真实值的最大差值分别为0.34和0.32℃。【结论】非线性模型预测肉鸡体温的准确率更高，可为日后舍内鸡只温度自动巡检设备提供技术支撑及前期研究基础。

关键词

深度学习 / 红外热成像 / 温度检测 / 肉鸡 / 反演