基于实例分割和机器学习的育肥猪群体体重估测方法研究

罗世林1 何秀文1,2 欧阳梦1 俞正阳1 梁亚茹1,2 杨小玲1,2

1.江西农业大学 2.江西省畜牧设施技术开发工程研究中心

摘要：针对规模化育肥猪生产养殖，传统的猪只称重方法存在自动化水平低、效率低、费时费力、易造成猪只应激等问题，提出一种基于实例分割与机器学习相结合的非接触式育肥猪群体体重估测方法。使用Mask R-CNN和Mask2forme两种不同的实例分割算法获取群猪的掩膜轮廓，并进行效果对比。Mask R-CNN和Mask2forme的分割精度分别为93.86%与98.98%，最终选择Mask2forme实例分割模型。结合群猪分割掩膜的图像信息，提取掩膜图像的相关特征参数作为模型的数据输入，采用不同的算法构建多种体重估测模型相比较。结果表明，随机森林估测模型的效果最好，其决定系数R2为0.94，平均绝对误差为7.92 kg，平均相对误差为2.58%。基于实例分割与机器学习的非接触式育肥猪群体体重估测研究方法可以较好地预测体重，为实现群猪自动称重提供技术与理论支持。