為實現(xiàn)群養(yǎng)豬的視覺追蹤和行為監(jiān)測,針對豬舍中仔豬因擁擠堆疊等習(xí)性而導(dǎo)致的目標(biāo)個體粘連、圖像分割困難問題,提出基于雙金字塔網(wǎng)絡(luò)的RGB-D群豬圖像分割方法。該方法基于實例分割Mask R-CNN框架,在特征提取網(wǎng)絡(luò)（Res Net101）基礎(chǔ)上改進成雙金字塔特征提取網(wǎng)絡(luò)。RGB圖像和Depth圖像分別提取特征后進行融合,輸入?yún)^(qū)域生成網(wǎng)絡(luò)得到預(yù)選錨（ROI）和共享特征輸入Head網(wǎng)絡(luò),通過類別、回歸和掩模3個分支,輸出檢測目標(biāo)的位置和分類結(jié)果,實現(xiàn)豬舍場景下群養(yǎng)仔豬粘連區(qū)域的有效個體分割。網(wǎng)絡(luò)模型訓(xùn)練采用2 000組圖像樣本,按照4∶1比例隨機劃分訓(xùn)練集和驗證集。試驗結(jié)果表明,雙金字塔網(wǎng)絡(luò)（Feature pyramid networks,FPN）能有效解決顏色相近、個體相似的群豬粘連問題,實現(xiàn)單個仔豬區(qū)域的完整分割,分割準(zhǔn)確率達89.25%,訓(xùn)練GPU占有率為77.57%,與Mask R-CNN和Pig Net網(wǎng)絡(luò)分割結(jié)果相比,分割準(zhǔn)確率和分割速度均有較大提高。雙金字塔網(wǎng)絡(luò)模型對于多種行為狀態(tài)、不同粘連程度的群豬圖像中個體分割都取得了良好效果,模型泛化性和魯棒性較好,為群養(yǎng)豬的個體自動追... 

【文章來源】：農(nóng)業(yè)機械學(xué)報. 2020,51(07)北大核心EICSCD

【文章頁數(shù)】：8 頁

【文章目錄】：
0 引言
1 材料與方法
    1.1 數(shù)據(jù)采集平臺
    1.2 數(shù)據(jù)預(yù)處理與標(biāo)注
    1.3 群養(yǎng)豬圖像分割的雙金字塔網(wǎng)絡(luò)結(jié)構(gòu)
    1.4 模型訓(xùn)練參數(shù)設(shè)置
2 群養(yǎng)豬圖像分割試驗
    2.1 試驗方法
    2.2 試驗設(shè)備
    2.3 試驗流程
3 試驗結(jié)果與分析
    3.1 實際效果檢驗與分析
        3.1.1 不同豬體粘連程度及分析
        3.1.2 不同豬只行為分析及個體識別
    3.2 不同模型性能分析與比較
4 結(jié)論


【參考文獻】：
期刊論文
[1]農(nóng)業(yè)信息成像感知與深度學(xué)習(xí)應(yīng)用研究進展[J]. 孫紅,李松,李民贊,劉豪杰,喬浪,張瑤.  農(nóng)業(yè)機械學(xué)報. 2020(05)
[2]基于Mask R-CNN的豬只爬跨行為識別[J]. 李丹,張凱鋒,李行健,陳一飛,李振波,蒲東.  農(nóng)業(yè)機械學(xué)報. 2019(S1)
[3]基于遷移學(xué)習(xí)和Mask R-CNN的稻飛虱圖像分類方法[J]. 林相澤,朱賽華,張俊媛,劉德營.  農(nóng)業(yè)機械學(xué)報. 2019(07)
[4]基于深度學(xué)習(xí)的群豬圖像實例分割方法[J]. 高云,郭繼亮,黎煊,雷明剛,盧軍,童宇.  農(nóng)業(yè)機械學(xué)報. 2019(04)
[5]多環(huán)境參數(shù)控制的豬養(yǎng)殖箱設(shè)計及箱內(nèi)氣流場分析[J]. 高云,陳震撼,王瑜,李小平,郭繼亮.  農(nóng)業(yè)工程學(xué)報. 2019(02)
[6]豬只飲水行為機器視覺自動識別[J]. 楊秋妹,肖德琴,張根興.  農(nóng)業(yè)機械學(xué)報. 2018(06)
[7]精準(zhǔn)畜牧業(yè)中動物信息智能感知與行為檢測研究進展[J]. 何東健,劉冬,趙凱旋.  農(nóng)業(yè)機械學(xué)報. 2016(05)



本文編號：3153011