基于深层卷积神经网络的初生仔猪目标实时检测方法

• 作者: CEDRIC Okinda 刘龙申 太猛 孙玉文 李嘉位 沈明霞
• 来源期刊: 农业机械学报
• 学科: 农学
• 关键词: 初生仔猪 实时检测 深层卷积神经网络 FPN算法
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 农业信息化工程
• 页码范围: 270-279
• 页数: 10页
• 分类号: TP391.41|S828
• 字数: 7578字
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2019.08.030

摘要

针对初生仔猪目标较小、分娩栏内光线变化复杂、仔猪粘连和硬性遮挡现象较为严重等问题,提出一种基于深层卷积神经网络的初生仔猪目标识别方法.将分类和定位合并为一个任务,以整幅图像为兴趣域,利用特征金字塔网络(Feature pyramid network,FPN)算法定位识别仔猪目标;对比了不同通道数数据集以及不同迭代次数对模型效果的影响;该方法支持图像批量处理、视频与监控录像的实时检测和检测结果多样化储存.实验结果表明:在数据集总量相同时,同时包含夜间单通道和白天3通道的数据集,在迭代20 000次时接近模型最优值.模型在验证集和测试集上的精确率分别为95.76％和93.84％,召回率分别为95.47％和94.88％,对分辨率为500像素×375像素的图像检测速度为53.19 f/s,对清晰度为720 P的视频检测速度为22 f/s,可满足实时检测的要求,对全天候多干扰场景表现出良好的泛化能力.