一、项目背景

精准畜牧业是现代农业发展的重要方向，其中猪只健康监测与福利管理是提升养殖效益、保障食品安全的核心环节。传统养殖场主要依赖人工巡查和经验判断来观察猪只的采食、饮水、运动、休息等日常行为，以及识别攻击、咬尾、跛行等异常状态。这种模式存在显著不足：人工观察耗时费力、难以实现24小时连续监控；个体判断主观性强，缺乏客观量化标准；对早期、细微的行为异常不敏感，往往在疾病或应激问题显性化后才能发现，错失最佳干预时机。随着规模化、集约化养殖的快速发展，传统管理方式已难以满足对群体健康实时监控、个体精准管理与福利水平科学评估的迫切需求。

计算机视觉与人工智能技术的突破为上述问题提供了创新的解决方案。基于深度学习的视频分析技术，能够自动、连续地分析监控视频流，从中识别和量化动物的行为模式。YOLO系列目标检测算法以其卓越的实时性能和较高的检测精度，在动态场景多目标检测领域表现突出，非常适合应用于复杂养殖环境下对猪只的实时定位、个体识别（结合耳标或体型特征）与特定姿态（如站立、卧倒、行走）的检测。通过构建猪只行为视频数据集，并利用YOLO等算法进行训练，系统可自动识别多种关键行为，并进一步分析行为频率、持续时间、空间分布等参数，从而实现对猪只健康状态、福利水平及环境适应性的客观评估。

在此背景下，本毕业设计旨在开发一个 “YOLO猪只行为智能检测系统” 。系统将以养殖场监控视频为数据源，构建一个集视频流处理、猪只目标检测与跟踪、特定行为识别、数据统计分析及可视化预警于一体的智能化平台。核心任务包括：1) 利用YOLO模型实现视频中猪只的精准、实时检测与连续跟踪；2) 基于检测框序列、姿态或轨迹特征，定义并识别如“躺卧”、“采食”、“饮水”、“活跃运动”、“攻击行为”、“跛行”等关键行为；3) 设计可视化界面，实时展示猪群行为热力图、个体行为日志、异常行为报警及群体行为统计分析报告。

该系统的设计与实现，不仅是对前沿目标检测与行为分析技术的工程化应用探索，更是对智慧畜牧实际需求的直接回应。预期系统能够为养殖场管理者提供全天候、无人化的猪只行为监控工具，助力早期疾病发现、减少应激与伤害行为、优化饲养管理策略，从而提升动物福利、降低经济损失，并推动畜牧业向更加智能化、精细化的方向迈进，具有明确的生产实践价值和广阔的应用前景。

二、技术介绍

技术栈：
- 深度学习框架：YOLO
- 开发工具：Pytorch
- 深度学习框架：Flask
- 前端框架：Vue3
- 后端框架：SpringBoot

本项目旨在构建一个集实时视频分析、智能行为识别、数据管理及可视化交互于一体的综合性猪只行为智能检测系统。为实现这一目标，系统采用前后端分离的分布式架构，并整合了从模型训练到业务应用的全栈技术，各层技术栈分工明确、协同高效，共同支撑高并发、高可用的生产级应用需求。

核心AI模型层是整个系统的智能中枢。我们选用YOLO系列最新架构作为核心检测算法，其卓越的平衡了检测速度与精度，能够从复杂养殖场监控视频中实时、准确地定位并框出每一头猪只。模型将在PyTorch这一动态图深度学习框架中进行开发、训练与调优。PyTorch提供了灵活直观的编程接口、强大的GPU加速计算能力以及活跃的社区生态，便于我们高效地实现数据加载、模型构建、损失函数定制以及复杂的训练策略，从而针对猪只行为的特殊场景对YOLO模型进行针对性优化，提升其在密集、遮挡、光照变化等实际条件下的鲁棒性。

AI服务层负责将训练好的PyTorch模型封装为可供业务系统调用的服务。我们采用轻量级的 Flask 框架来构建这一专用的深度学习模型API服务。Flask以其简洁、灵活著称，非常适合快速构建RESTful接口。该服务将独立部署，接收来自业务后端的图像或视频帧数据，调用加载在内存中的YOLO模型进行推理，并将检测结果（如猪只位置、置信度、行为分类）以JSON格式高效返回。这种将AI能力服务化的设计，实现了计算密集型任务与业务逻辑的解耦，便于模型的独立更新、扩展与性能监控。

业务后端层采用 SpringBoot 作为主框架，构建整个系统的业务中台。SpringBoot负责处理所有非AI推理的核心业务逻辑，包括用户权限管理、养殖场与摄像头设备管理、检测任务调度、报警规则引擎、行为数据持久化以及为前端提供统一的REST API。其完整的生态（如Spring Security, Spring Data JPA）确保了系统在事务管理、安全控制、数据库操作等方面的稳健性与开发效率。SpringBoot将整合Flask AI服务，协调视频流处理、任务队列，并将AI结果与业务数据结合，生成结构化的行为分析报告与统计信息。

用户交互层基于 Vue3 构建现代化的单页面应用。Vue3的组合式API和响应式系统能够高效管理复杂的应用状态，特别适合处理实时视频流展示、多视图行为数据联动等交互场景。我们将利用其组件化能力，开发仪表盘、实时监控面板、历史回放、报警中心及数据报表等模块，为养殖场管理人员提供清晰、直观、实时的猪只行为洞察与预警信息。

综上所述，本系统通过 YOLO+PyTorch 实现智能核心，以 Flask 提供专业AI服务，以 SpringBoot 构建稳健业务中台，并以 Vue3 打造友好交互界面。这套技术栈深度融合了前沿AI与成熟企业级开发技术，旨在构建一个稳定可靠、智能高效、用户体验优良的现代化养殖管理平台，为实现精准畜牧业的智能化升级提供坚实的技术支撑。

三、功能介绍

基于YOLO深度学习模型，支持猪只睡眠、进食、站立等多种行为检测。支持图片、视频和摄像头实时检测，界面友好，检测精度高，运行速度快。

结合DeepSeek和Qwen智能分析，可导出检测结果为PDF。

主要功能：
- 支持图片、视频和摄像头实时检测
- 可以检测猪只的睡眠、进食、站立等行为
- 提供实时检测结果和详细分析报告
- 支持批量检测和单张检测
- 提供详细的检测建议和预警信息

1.整理好的yolo格式的数据集
2.详细的系统部署教程
3.实时视频，摄像头，图片检测
4.代码简洁，有注释
5.提供训练好的yolo权重

四、系统实现