近日，我校智慧畜牧团队在农业与生物科学类期刊COMPUTERS AND ELECTRONICS IN AGRICULTURE（影响因子8.3，1区Top）发表了题为“ASPP-YOLOv5: A Study on Constructing Pig Facial Expression Recognition for Heat Stress”的研究论文。该研究为猪面部表情识别快速分辨热应激提供了即时、直观的方法，简化了复杂生理指标采样的过程。

猪属恒温动物，皮下脂肪厚，汗腺不发达，体内热能散发较慢，热应激容易导致其生理代谢差，降低免疫力，繁殖力受影响等问题。本研究通过引入CoordAtt注意力机制、CReToNeXt模块和ASPP模块，ASPP-YOLOv5模型在处理猪热应激表情时更加聚焦和准确，同时对特征的提取和融合能力也得到了加强。这些改进使得模型在多样化的情况下表现更出色，对于实际场景中的猪只表情识别任务具有广泛的应用前景。

Figure1Structural Diagram of the ASPP-YOLOv5 Model for Pig Facial Expression Recognition under Heat Stress.

经过对图2中所有改进模型的训练和测试结果的仔细研究，可以明显看出，在热应激猪面部表情识别领域，ASPP-YOLOv5的性能相对于Yolov5s模型有了明显的提高。CoordAtt注意力机制通过学习目标的位置信息，动态调整网络的注意力分布，使网络更加关注目标区域。CReToNeXt模块用于改进特征提取和融合，以提高模型的表征能力和性能。ASPP模块能够更好地适应猪热应激表情的多尺度特征。这样可以提高网络对不同尺度的表情特征的感知能力，增强模型对猪热应激表情的识别能力。

Figure 2 Comparative Precision of Various YOLOv5 Enhancement Model.

图3集中体现了ASPP-YOLOv5模型在有效解码猪热应激面部线索方面的复杂技能，凸显了其在这一高级检测领域的卓越地位。

Figure 3 Results.

我校信息科学与工程学院2021级硕士研究生聂丽丽为论文的第一作者，刘振宇教授为通讯作者，李步高教授参与指导研究。本研究得到了山西省重点研发计划和山西省留学人员科技活动择优资助项目联合资助。论文DOI号为https://doi.org/10.1016/j.compag.2023.108346。