基于全卷积网络的生猪轮廓提取

• 作者: 娄甜田 杨华 胡刚 胡志伟 谢倩倩 黄佳佳
• 来源期刊: 华南农业大学学报
• 学科: 农学
• 关键词: 全卷积网络 轮廓提取 深度学习 计算机视觉 图像分割
• 年，卷（期）: 2018,（6）
• 页码范围: 111-119
• 页数: 9页
• 分类号: S828
• 字数: 7519字
• 语种: 中文
• DOI: 10.7671/j.issn.1001-411X.2018.06.017

摘要

[目的]实现猪舍场景下非接触、低成本的生猪轮廓高效提取.[方法]以真实养殖环境下的生猪个体为研究对象,提出一种基于VGG16与UNET相结合的全卷积神经网络模型(VGG-UNET模型).该模型采用批处理方法,迁移学习VGG16模型参数,通过在模型中构建复制通道深度融合图像深层抽象特征与浅层特征,实现对图像语义级别分割.在30头长白生猪的1815张数据集上进行模型验证,通过设置不同批大小对比试验,并选取其中具有最佳效果的3组探讨批大小与评价指标值变化趋势间的关系.[结果]测试集上的对比试验结果表明,VGG-UNET模型在像素精度与均交并比方面分别达到94.32％ 和86.60％,比单独采用UNET模型分别高出0.89％ 和1.67％.不同指标值变化情况与批大小间的关系不尽相同.在本文试验环境下,批大小对模型收敛速度的影响不明显.不同批大小条件下PA及MIoU指标值变化综合分析得出,VGG-UNET模型具有较强稳定性和较高鲁棒性;批大小为8的情况下VGG-UNET模型效果最佳.[结论]本文提出的生猪轮廓提取方法(VGG-UNET模型)是有效的,能实现精确、稳定的生猪轮廓提取,且分割结果较为完整,同时模型具有较高鲁棒性,可为后续生猪个体识别研究提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨华	山西农业大学信息科学与工程学院	77	401	11.0	16.0
2	胡刚	武汉大学计算机学院	23	180	8.0	13.0
3	谢倩倩	武汉大学计算机学院	8	26	3.0	4.0
4	胡志伟	山西农业大学信息科学与工程学院	6	10	2.0	3.0
5	娄甜田	山西农业大学经济管理学院	3	14	2.0	3.0
6	黄佳佳	南京审计大学政府审计学院	2	8	1.0	2.0