基于圖像處理的動物資產(chǎn)計數(shù)方法,不僅可以減少人工投入,還可以縮短生物資產(chǎn)的計數(shù)周期,但該方法受光照條件影響嚴(yán)重,并且當(dāng)動物間相互擠壓、遮擋時,計數(shù)精度較差。針對這些問題,該研究提出了一種基于圖像實例分割算法的生豬計數(shù)網(wǎng)絡(luò)。針對光照和目標(biāo)邊緣模糊問題,利用拉普拉斯算子進(jìn)行圖像預(yù)處理。對MaskR-CNN網(wǎng)絡(luò)的特征提取網(wǎng)絡(luò)進(jìn)行改進(jìn),在原始特征金字塔網(wǎng)絡(luò)（Feature Pyramid Network, FPN）后面增加一條自底向上的增強(qiáng)路徑,直接將低層邊緣位置特征與高層特征相融合,提高對目標(biāo)邊緣輪廓的識別能力,對非極大值抑制過程和損失函數(shù)進(jìn)行優(yōu)化和改進(jìn),以提高分割精度。在河北豐寧、吉林金源和內(nèi)蒙古正大3個試驗豬場進(jìn)行測試,驗證本文網(wǎng)絡(luò)的計數(shù)精度。采集設(shè)備在3個試驗豬場共采集2 400張圖像,經(jīng)圖像預(yù)處理去除模糊和光線差的圖像,從剩余的圖像中隨機(jī)選取共1 250張圖像作為原始數(shù)據(jù)集,其中豐寧豬場500張、金源豬場500張,正大豬場250張。將各豬場的原始數(shù)據(jù)集分別按2:2:1的比例分為3部分,包括訓(xùn)練集905張,驗證集95張,測試集250張,對原始訓(xùn)練集和驗證集進(jìn)行數(shù)據(jù)增強(qiáng),最終得到訓(xùn)練集圖... 

【文章來源】：農(nóng)業(yè)工程學(xué)報. 2020,36(19)北大核心EICSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

Mask R-CNN網(wǎng)絡(luò)改進(jìn)前后的測試結(jié)果對比

本文所提出的生豬計數(shù)網(wǎng)絡(luò)基于Tensor Flow框架的Mask R-CNN網(wǎng)絡(luò)結(jié)構(gòu)，針對豬只密度大、遮擋嚴(yán)重的特殊問題，采用Res Net-152作為Mask R-CNN特征提取網(wǎng)絡(luò)，同時，在原始特征金字塔網(wǎng)絡(luò)（Feature pyramid network,FPN）后面添加一條自底向上的增強(qiáng)路徑，將底層定位特征向上傳遞，提高邊界框定位的精確性，本文提出的基于Mask R-CNN改進(jìn)算法的總體框圖如圖1所示。2.2 特征金字塔網(wǎng)絡(luò)的改進(jìn)

RPN(Region Proposal Network）網(wǎng)絡(luò)負(fù)責(zé)候選區(qū)域的生成，候選區(qū)域生成過程中采用“錨點(anchor)機(jī)制”。本文網(wǎng)絡(luò)的識別目標(biāo)只有生豬，當(dāng)豬只密度較大時，豬只之間互相擠壓，造成身體的變形，目標(biāo)的橫縱比例會發(fā)生變化。當(dāng)錨點的橫縱比和目標(biāo)橫縱比差異較大時，容易產(chǎn)生目標(biāo)漏檢。在豬只密度比較大的場景中，為了提高小目標(biāo)的識別準(zhǔn)確率，結(jié)合特征金字塔網(wǎng)絡(luò)，本文采用在不同尺寸的特征圖上，預(yù)測不同尺寸的目標(biāo)。低層特征圖縮放比例較小，小目標(biāo)特征保存比較完整，在低層大尺寸的特征圖上生成小尺寸的錨點，用于檢測小目標(biāo)；高層特征圖縮放比例較大，但是可以學(xué)習(xí)到更多的語義信息，豐富大目標(biāo)特征，在高層特征圖上生成大尺寸的錨點，用于檢測大目標(biāo)。由各層特征圖映射回原圖的錨點尺寸如表1所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于邊界脊線識別的群養(yǎng)豬黏連圖像分割方法[J]. 韓書慶,張建華,孔繁濤,張騰飛,吳海玲,單佳佳,吳建寨.  農(nóng)業(yè)工程學(xué)報. 2019(18)
[2]基于改進(jìn)Faster-RCNN模型的粘蟲板圖像昆蟲識別與計數(shù)[J]. 張銀松,趙銀娣,袁慕策.  中國農(nóng)業(yè)大學(xué)學(xué)報. 2019(05)
[3]畜牧養(yǎng)殖場圖像遠(yuǎn)程采集與目標(biāo)計數(shù)系統(tǒng)[J]. 梁炎森,張?zhí)礻?何志毅.  桂林電子科技大學(xué)學(xué)報. 2017(06)
[4]圖像識別計數(shù)在儲備生豬統(tǒng)計的應(yīng)用[J]. 張?zhí)礻?梁炎森,何志毅.  計算機(jī)應(yīng)用與軟件. 2016(12)
[5]智能盤點提高資產(chǎn)管理效率[J]. 屠萍,祝海云.  通信企業(yè)管理. 2016(08)
[6]基于顯微圖像處理的稻瘟病菌孢子自動檢測與計數(shù)方法[J]. 齊龍,蔣郁,李澤華,馬旭,鄭志雄,汪文娟.  農(nóng)業(yè)工程學(xué)報. 2015(12)



本文編號：3309040