近日,机械与电子工程学院田富洋副教授团队在《Poultry Science》在线发表了题为“Cyclic Consistent Migration Neural Network: An enhancement algorithm study for head characteristics of caged chickens detection”的研究论文。山东农业大学为完成该论文的第一单位,于镇伟副教授为该论文的第一作者,田富洋副教授为该论文的通讯作者。鸡冠和鸡眼睛等外部特征不仅是区分品种和基因的标志,更是反映鸡只健康状况和生产能力的重要指标,在笼养蛋鸡福利化养殖中发挥重要作用。然而,叠层笼架的遮挡会导致鸡头部关键小目标特征无法被模型准确提取,影响模型对家禽健康状态的判断。同时,有遮挡的图像也会导致数据集质量下降,影响家禽健康监测模型的泛化能力和鲁棒性,制约家禽健康预警系统在笼养鸡舍的推广应用。图1. 模型结构图因此,本研究提出了一种笼养蛋鸡头部特征增强检测模型(CCMNN模型)。该模型基于大数据和深度学习循环一致迁移神经网络进行笼门去除。如图1所示,设计的核心是通过两个生成器和两个