来源：期刊VIP网 时间：
作者：包权;周昕;吴越;王坤;徐杏;金梦阳;王星博;黄娟;周卫东;
单位：浙江科技大学生物与化学工程学院;浙江省农业科学院畜牧兽医研究所;浙江金华绿数农业科技有限公司;
摘要：为解决传统人工检测效率和准确性低的问题，本研究针对母猪发情时阴户变红肿的特征，通过在YOLOv5s主干网络中添加CA(Coordinate Attention)注意力机制、使用CARAFE上采样替换原有的插值上采样、使用EIoU损失函数替换原CIoU损失函数，提出了一种基于改进YOLOv5s的母猪发情检测方法，并开展了消融实验及与其他模型的比较试验。结果显示，改进模型对母猪阴户形态识别的精确率、召回率和平均精度均值(mAP@0.5)分别达94.5%、93.3%和93.8%。与YOLO系列部分模型(含原模型)和Faster R-CNN模型相比，改进模型对母猪阴户形态识别在保持最高的准确率、召回率和平均精度均值的同时，模型的权重、参数量和计算量分别为16.3 MB、7.2 M、16.3 G,仅略高于原模型(15.8 MB、7.0 M、14.5 G),但明显低于其他模型；检测帧率(FPS)为64.3帧·s~(-1),略低于原模型的73.2帧·s~(-1)和YOLOv8s模型的67.1帧·s~(-1),但明显高于其他模型。由此表明，本研究提出的改进YOLOv5s模型能明显提高检测精度，提升实时检测性能，为母猪发情检测提供技术支持。
关键词：YOLOv5s;;母猪发情;;CA注意力机制;;CARAFE上采样;;EIoU损失函数
基金资助：浙江省农机研发制造推广应用一体化试点项目(2024R22S60B01);; 宁波市科技计划项目(2022Z178);; 浙江省农业科学院学科建设项目(10401000019CC2205G)
