基于GBPC-ResNeXt50的攻击状态下群养猪身份识别
陈晨
钱锦华
朱伟兴
刘睿
蒋毅
江苏大学 电气信息工程学院,江苏 镇江 212013
摘要：目前猪攻击识别还处于群体级/成对级研究阶段,识别猪个体身份已成为进一步实现个体级攻击识别的必要条件.为解决猪攻击状态下因身体形变、遮挡、重叠等因素引起的身份难以识别的问题,提出一种改进ResNeXt50(Residual networks with next-50)的深度学习算法以识别攻击状态下猪身份.从标记的600段1s攻击视频片段中产生18 000帧作为数据集.首先,在主干网络ResNeXt50中嵌入GECA(Ghost-based efficient channel-coordinate attention)模块提升特征判别力.然后,引入双向特征金字塔网络(Bidirectional feature pyramid network,BiFPN)以提高多尺度特征的融合能力.接着,在BiFPN后级联位置注意力机制(Position attention module,PAM)以增强由猪体形变产生的全局空间特征的区分度,采用通道注意力机制(Channel attention mechanism,CAM)通过通道自适应优化特征利用率.最后,采用Fovea Head识别攻击状态下猪身份.结果表明,提出的GBPC-ResNeXt50(GECA-BiFPN-PAM-CAM-ResNeXt50)算法能够以95.6％的平均精度均值(mAP)识别猪身份,较基准网络ResNeXt50提升3.8百分点.表明该方法能够识别攻击状态下个体猪身份,为推动猪攻击识别从群体级/成对级到个体级的转变提供基础,同时也为其他家畜的攻击状态下身份识别提供参考.
关键词：群养猪身份识别ResNeXt50深度学习双向特征金字塔网络双重注意力机制
分类号：S126(农业物理学)
资助基金：国家自然科学基金(32102598)
论文发表日期：2026-04-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：10( 150-159 )
英文信息