隨著精準(zhǔn)畜牧業(yè)的發(fā)展，無接觸的健康感知技術(shù)在養(yǎng)殖環(huán)節(jié)中尤為重要。為了提高肉兔養(yǎng)殖業(yè)管理水平，該研究開發(fā)了一種基于圖像分割技術(shù)的肉兔剩余飼料重量估測模型。該模型由飼料實(shí)例分割網(wǎng)絡(luò)和飼料重量估測網(wǎng)絡(luò)組成?；诟倪M(jìn)的Mask RCNN網(wǎng)絡(luò)構(gòu)建了飼料實(shí)例分割網(wǎng)絡(luò)，該網(wǎng)絡(luò)以PointRend網(wǎng)絡(luò)頭替換網(wǎng)絡(luò)的原本網(wǎng)絡(luò)頭，通過自適應(yīng)點(diǎn)細(xì)分方法，對圖像邊緣處的點(diǎn)進(jìn)行精細(xì)分類。隨后從圖像分割結(jié)果中提取圖像特征，作為飼料重量估測網(wǎng)絡(luò)的輸入，構(gòu)建了基于反向傳播神經(jīng)網(wǎng)絡(luò)的飼料重量估測網(wǎng)絡(luò)。將該模型應(yīng)用于肉兔實(shí)際養(yǎng)殖過程以評估模型性能，并探討了剩余飼料重量和肉兔死亡率之間的關(guān)系。模型評估結(jié)果表明飼料實(shí)例分割網(wǎng)絡(luò)的平均精確度為0.987，平均像素精度為0.985。飼料重量估測網(wǎng)絡(luò)的相關(guān)系數(shù)為0.97，均方誤差為208.3，平均絕對誤差為10.51g。實(shí)際應(yīng)用結(jié)果表明，不健康的肉兔采食量將顯著降低，當(dāng)剩余飼料重量高于喂料量的50%時，肉兔的死亡率高于85%；當(dāng)剩余飼料重量高于喂料量的65%時，肉兔在短時間內(nèi)會全部死亡。因此，剩余飼料重量和肉兔的死亡概率之間有顯著的相關(guān)性，通過估測剩余飼料重量，該模型能幫助養(yǎng)殖舍進(jìn)行肉兔健康監(jiān)測。

[編譯自：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.]