一种基于深度学习和视觉大模型的猪只生长状态评估方法

本发明提供了一种基于深度学习和视觉大模型SegmentAnything的猪只生长状态评估方法，涉及到深度学习技术领域和当下火热的视觉大模型领域。本发明针对猪只频繁粘连遮挡的情况，将YOLOv5中的NMS替换成了soft‑NMS。利用改进后的YOLOv5与ByteTrack进行结合对猪只进行跟踪，然后创新性地以猪只追踪信息为提示，利用视觉大模型SegmentAnything得到猪只逐帧逐ID的掩模。接着，将猪只掩模输入到猪只生长健康评估模型中，进行二值化掩模特征提取，提取的特征经过深度回归预测网络后，经过均值化操作后得到猪只生长状态分类结果，从而判断猪只是否健康生长。本发明对设备要求较低，采用常规彩色相机，对算力要求较低，设备价格和低廉，能在成本较低的前提下很好地提高养猪业决策的科学性和养殖效率。