基于神经网络和机器学习的白羽肉鸡体重估测算法

针对规模化肉鸡养殖生产中,传统肉鸡称重方法易造成应激问题,设计一种基于神经网络和机器视觉技术的非接触式肉鸡体重估测方法.应用深度相机采集白羽肉鸡的红外图像和深度信息,以目标识别算法YOLOv3和卷积网络分割算法FCN(Fully convolutional networks)为基础构建肉鸡区域提取模型,YOLOv3和FCN模型的查准率分别为98.1％和97.8％,查全率100％;结合肉鸡的深度信息,提取肉鸡投影面积等相关特征,构建多种回归算法,训练并调整优化肉鸡体重估测模型,ABR(Adaboost regressor)模型在测试集上达到最优的估测效果,该模型的决定系数R2为0.95,绝对误差为0.01～0.32 kg.本研究的非接触式的肉鸡体重估测模型能较好的预测肉鸡体重,为实际生产环境中肉鸡自动称重提供了技术支持.