基于改进FasterR-CNN识别深度视频图像哺乳母猪姿态

• 作者: 张南峰 朱勋沐 杨晓帆 杨阿庆 毛亮 涂淑琴 薛月菊 郑婵 陈鹏飞 黄宁
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 图像识别 算法 模型 FasterR-CNN 残差结构 CenterLoss 哺乳母猪 姿态识别
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 189-196
• 页数: 8页
• 分类号: TP391
• 字数: 6509字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2018.09.023

摘要

猪舍场景下,昼夜交替光线变化、热灯光照影响,及仔猪与母猪的粘连等因素,给全天候哺乳母猪姿态自动识别带来很大困难.该文以深度视频图像为数据源,提出基于改进Faster R-CNN的哺乳母猪姿态识别算法.将残差结构引入ZF网络,设计ZF-D2R网络,以提高识别精度并保持实时性;将Center Loss监督信号引入Faster R-CNN训练中,以增强类内特征的内聚性,提升识别精度.对28栏猪的视频图像抽取站立、坐立、俯卧、腹卧和侧卧5类姿态共计7541张图像作为训练集,另取5类姿态的5000张图像作为测试集.该文提出的改进模型在测试集上对哺乳母猪的站立、坐立、俯卧、腹卧和侧卧5类姿态的识别平均准确率分别达到96.73%、94.62%、86.28%、89.57%和99.04%,5类姿态的平均准确率均值达到93.25%.在识别精度上,比ZF网络和层数更深的VGG16网络的平均准确率均值分别提高了3.86和1.24个百分点.识别速度为0.058 s/帧,比VGG16网络速度提高了0.034 s.该文方法在提高识别精度的同时保证了实时性,可为全天候母猪行为识别提供技术参考.