基于MindSpore+OrangePiAiPro的养鸡场鸡蛋计数实验
蔡建平
浙大城市学院
2025年4月12日
杭州
架
问题引入—AI赋能传统养殖业
?在蛋鸡养殖从个体散养转向集约化养殖的过程中，大型养?养鸡场鸡蛋计数工程——低成本高精度的流水线鸡蛋计数
殖场多采用笼养模式，流水线鸡蛋准确计数成为AI赋能畜?基于边缘计算方案，利用高算力硬件结合YOLOv5算
禽养殖业的工程问题。法，实现对鸡蛋的低成本、高精度、实时检测与计数。
?人工观察法：效率低、难以持续检测易受主观因素影响?在复杂环境中准确识别鸡蛋，帮助养殖场和生产企业
?红外/激光计数法：针对粘连鸡蛋存在漏计、误计问题及时掌握鸡蛋产量，提升生产管理的科学性和有效性。
实验任务与目标
?实验任务：本实验紧密围绕实际养鸡场流水线鸡蛋精准计数这一工程关键问题，基于MindSpore框架训
练YOLOv5模型，并将该模型部署在香橙派开发板上，用于检测养鸡场传送带上的鸡蛋并进行准确计数。
?实验目标：本实验基于MindSpore框架训练YOLOv5模型，部署于香橙派开发板检测养鸡场传送带上的
鸡蛋并计数，以此掌握相关算法、框架、开发板应用及MQTT协议实践技能。实验目标包括：
?YOLO目标检测算法：掌握YOLO算法原理及其应用，学会如何训练YOLO模型进行物体检测，尤其是鸡蛋的目标检测。
?MindSpore深度学习框架使用：能够使用MindSpore框架进行深度学习模型的训练和推理，特别是针对目标检测任务。
?香橙派开发板应用：能够在香橙派开发板上部署和运行训练好的深度学习模型，实现边缘计算。
?MQTT协议实践：能够通过MQTT协议实现物联网设备之间的消息发布与订阅，进行实时数据传输。
架
实验整体步骤
?实验任务1：基于MindSpore的YOLO模型训练与部署
?实验任务2：基于IoTDA平台的MQTT通讯
?实验任务3：鸡蛋计数系统的集成和实现
基于MindSpore的YOLO模型训练与部署
?任务介绍：
?以传送带传送鸡蛋的图片作为训练集，利用基于MindSpore实现的MindYOLO套件训练YOLOv5模型，在
Ascend310B算力平台上实现鸡蛋检测模型训练+推理部署的全流程实验。
?任务目标
?熟悉YOLOv5模型；
?熟悉基于MindSpore的MindYOLO的实践；
?掌握模型转换的基本操作；
?掌握基于边缘计算的训练+推理全流程实践。
架任务结构
基于MindSpore的YOLO模型训练与部署
?香橙派AIPro简介
?香橙派AIPro开发板是香橙派联合华为精心打造的高性能AI开发板，搭载
昇腾AI处理器，可提供8TOPSINT8的计算能力。可以实现图像、视频等
多种数据分析与推理计算，可用于教育、机器人、无人