南方农业学报

作者：介邓飞, 王杨, 姜朋辉, 李天乐, 何金成,

关键词：生猪, 毫米波雷达, 呼吸频率, 信号处理, 实时监测,

【目的】建立基于毫米波雷达结合深度学习的非接触式生猪呼吸频率检测方法，为生猪规模化养殖提供智能化、精细化的健康监测方案，提升养殖效率及降低发病风险，推动畜牧业现代化管理的发展进程。【方法】以AWR1843BOOST雷达采集生猪呼吸雷达数据，针对多径与噪声干扰设计双对齐校准（DACM）算法进行相位对齐与解卷绕，并通过卡尔曼滤波实现信号去噪与平滑跟踪；随后构建以EfficientNetV1模型为骨干，融合CBAM模块与DilatedConv模块，并引入轻量级Transformer模块，实现局部多尺度特征与全局依赖的高效融合，最终通过全局平均池化和全连接层输出呼吸频率预测值。【结果】相对于MobileNetV3模型和ResNet1D模型，EfficientNet-CBAM-Transformer模型具有更优的预测效果，在验证集上的平均绝对误差（MAE）为1.06 bpm、平均绝对百分比误差（MAPE）为1.33 bpm、均方根误差（RMSE）为5.5%、决定系数（R2）为0.91，与原始的EfficientNetV1模型相比，MAE、RMSE、MAPE分别降低了31.17%、28.49%和29.49%，而R2提升了7.06%。EfficientNet-CBAM-Transformer模型通过自动搜索，同时对网络深度、宽度和输入分辨率进行统一缩放，能在相同运算下获得更优的特征表达能力。EfficientNet-CBAM-Transformer模型的预测结果更接近于真实值，拟合回归方程的R2为0.86；真实值与预测值MAE大于1.00 bpm的样本减少至6组，较原始EfficientNetV1模型降低了50%，表明改进后的模型具有更优的检测精度。【结论】基于雷达回波数据建立的EfficientNet-CBAM-Transformer模型回归预测效果最优，其检测精度能满足实际生产对生猪呼吸频率检测的需求，为生猪健康的实时监测提供高效、非侵入式的智能化技术，也为便携式设备与在线智能化检测的后续开发提供了技术支撑。

来源：2026年第2期

《南方农业学报》期刊编辑部

查看南方农业学报杂志2026年第2期