基于双金字塔网络的RGB-D群猪图像分割方法

• 作者: 余梅 廖慧敏 李小平 雷明刚 高云 黎煊
• 来源期刊: 农业机械学报
• 学科: 工学
• 关键词: 群养猪 RGB-D 双金字塔网络 特征融合 深度学习
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 农业装备与机械化工程
• 页码范围: 36-43
• 页数: 8页
• 分类号: TP391.41
• 字数: 5675字
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2020.07.005

摘要

为实现群养猪的视觉追踪和行为监测,针对猪舍中仔猪因拥挤堆叠等习性而导致的目标个体粘连、图像分割困难问题,提出基于双金字塔网络的RGB-D群猪图像分割方法.该方法基于实例分割Mask R-CNN框架,在特征提取网络(ResNet101)基础上改进成双金字塔特征提取网络.RGB图像和Depth图像分别提取特征后进行融合,输入区域生成网络得到预选锚(ROI)和共享特征输入Head网络,通过类别、回归和掩模3个分支,输出检测目标的位置和分类结果,实现猪舍场景下群养仔猪粘连区域的有效个体分割.网络模型训练采用2 000组图像样本,按照4:1比例随机划分训练集和验证集.试验结果表明,双金字塔网络(Feature pyramid networks,FPN)能有效解决颜色相近、个体相似的群猪粘连问题,实现单个仔猪区域的完整分割,分割准确率达89.25％,训练GPU占有率为77.57％,与Mask R-CNN和PigNet网络分割结果相比,分割准确率和分割速度均有较大提高.双金字塔网络模型对于多种行为状态、不同粘连程度的群猪图像中个体分割都取得了良好效果,模型泛化性和鲁棒性较好,为群养猪的个体自动追踪提供了新的途径.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高云	华中农业大学工学院	38	299	11.0	16.0
3	黎煊	华中农业大学工学院	30	130	7.0	10.0
5	雷明刚		42	501	11.0	22.0
7	余梅	华中农业大学动物科技学院	13	54	5.0	7.0
10	廖慧敏	华中农业大学工学院	2	1	1.0	1.0
15	李小平	华中农业大学动物科技学院	5	16	2.0	4.0