基于卷积神经网络的奶牛发情行为识别方法

• 作者: 何东健 刘忠超
• 来源期刊: 农业机械学报
• 学科: 农学
• 关键词: 奶牛 发情 图像识别 深度学习 爬跨行为 卷积神经网络
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 农业信息化工程
• 页码范围: 186-193
• 页数: 8页
• 分类号: TP391.41|S823.9+1
• 字数: 5007字
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2019.07.019

摘要

对奶牛发情的及时监测在奶牛养殖中至关重要.针对现有人工监测奶牛发情行为费时费力、计步器接触式监测会产生奶牛应激行为等问题,根据奶牛发情的爬跨行为特征,提出一种基于卷积神经网络的奶牛发情行为识别方法.构建的卷积神经网络通过批量归一化方法提高网络训练速度,以Max-pooling为下采样,修正线性单元(Rectified linear units,ReLU)为激活函数,Softmax回归分类器为输出层,结合理论分析和试验验证,确定了32×32-20c-2s-50c-2s-200c-2的网络结构和参数.经过对奶牛活动区50头奶牛6个月的视频监控,筛选了具有发情行为爬跨特征的视频150段,随机选取网络训练数据23 000幅和测试数据7 000幅,对构建的网络进行了训练和测试.试验结果表明:本文方法对奶牛发情行为识别准确率为98.25％,漏检率为5.80％,误识别率为1.75％,平均单幅图像识别时间为0.257 s.该方法能够实现奶牛发情爬跨的无接触实时监测,对奶牛发情行为具有较高的识别率,可显著提高规模化奶牛养殖的管理效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘忠超	西北农林科技大学机械与电子工程学院	37	116	6.0	8.0