基于全卷积网络的哺乳母猪图像分割

• 作者: 朱勋沐 杨晓帆 杨阿庆 毛亮 童欣欣 薛月菊 郑婵 黄华盛 黄宁
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 图像分割 算法 试验 全卷积网络 哺乳母猪
• 年，卷（期）: 2017,（23）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 219-225
• 页数: 7页
• 分类号: TP391
• 字数: 5779字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2017.23.028

摘要

猪舍场景下,光照变化、母猪体表颜色不均及与环境颜色对比度不大、母猪与仔猪的粘连等,均给目标分割带来很大的困难.该文提出了基于全卷积网络(FCN,fully convolutional networks)的哺乳母猪图像分割算法.以VGG16为基础网络,采用融合深层抽象特征与浅层细节特征并将融合的特征图上采样8倍的跳跃式结构,设计哺乳母猪分割的FCN.利用Caffe深度学习框架,以7栏伴有不同日龄仔猪的3811幅哺乳母猪训练样本进行母猪分割FCN训练,在另外21栏的523幅哺乳母猪测试集上的分割结果表明:该算法可有效避免光线变化、母猪颜色不均、小猪遮挡与粘连等影响,实现完整的哺乳母猪区域分割;分割的平均准确率达到99.28％,平均区域重合度达到95.16％,平均速度达到0.22 s/幅.与深度卷积网络的SDS(simultaneous detection and segmentation)及传统的基于图论的图像分割、基于水平集的图像分割方法做了对比试验,该文分割方法平均区域重合度分别比这3种方法高出9.99、31.96和26.44个百分点,有较好的泛化性和鲁棒性,实现了猪舍场景下哺乳母猪准确、快速分割,可为猪只图像分割提供了技术参考.