摘要： 针对人工照检在鹅蛋孵化成活性检测中存在效率低、劳动强度大、误判率高等缺点，试验提出一种基于改进YOLOv5的鹅蛋孵化早期成活性检测模型。设计2种不同采样系统获取孵化4~7 d的鹅蛋特征图像，通过旋转、改变对比度等增强技术构建数据集。在YOLOv5模型的基础上，添加 SE（Squeeze-and-Excitation）注意力机制模块增强模型特征提取能力，并引入 FReLu 激活函数替换原有 SiLU 激活函数，增强空间灵敏度的同时，显著改善图像视觉。使用改进模型对不同采样系统、不同孵化天数的鹅蛋数据集进行训练、测试，并与原始 YOLOv5模型对比。结果显示：选取交并比（IoU）为0.5，2种采样系统的改进YOLOv5模型检测平均精度均值（mAP0.5）分别为96.5%、86.3%，单个鹅蛋平均检测时长为62.3 ms、34.6 ms；对孵化4 d、5 d、6 d、7 d的鹅蛋数据集分开测试，改进YOLOv5模型的mAP0.5分别达到了89.6%、95.4%、98.3%、100%，对比原始YOLOv5模型，改进YOLOv5模型的mAP0.5、F1因子分别提高了3.1%、4.1%。研究表明，改进YOLOv5检测模型在保持轻量化的同时，检测精度高、速度快，可实现对鹅蛋孵化早期成活性的无损检测，并为后期基于工业蛋托实现一次性多个种蛋的快速检测提供依据。

关键词: 孵化成活性；鹅蛋；YOLOv5；目标检测；注意力机制

中图分类号: 

• S817.6

• TP391.4