基于YOLO v3与图结构模型的群养猪只头尾辨别方法

• 作者: 刘龙申 孙玉文 李泊 沈明霞 陆明洲
• 来源期刊: 农业机械学报
• 学科: 工学
• 关键词: 猪只 行为识别 头尾辨别 深度卷积神经网络 图结构模型
• 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: 44-51
• 页数: 8页
• 分类号: TP391.41
• 字数: 6369字
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2020.07.006

摘要

在利用视频监控技术对群养猪只进行自动行为监测时,对猪只准确定位并辨别其头尾位置对提高监测水平至关重要,基于此提出一种基于YOLO v3 (You only look once v3)模型与图结构模型(Pictorial structure models)的猪只头尾辨别方法.首先,利用基于深度卷积神经网络的YOLO v3目标检测模型,训练猪只整体及其头部和尾部3类目标的检测器,从而在输入图像中获得猪只整体及头尾部所有的检测结果;然后,引入图结构模型,描述猪只的头尾结构特征,对每个猪只整体检测矩形框内的头尾部位组合计算匹配得分,选择最优的部位组合方式;对部分部位漏检的情况,采取阈值分割与前景椭圆拟合的方法,根据椭圆长轴推理出缺失部位.在实际猪场环境下,通过俯拍获得猪舍监控视频,建立了图像数据集,并进行了检测实验.实验结果表明,与直接利用YOLO v3模型相比,本文方法对头尾定位的精确率和召回率均有一定提高.本文方法对猪只头尾辨别精确率达到96.22％,与其他方法相比具有明显优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈明霞	南京农业大学工学院	111	1648	23.0	35.0
2	孙玉文	南京农业大学工学院	22	354	11.0	18.0
3	陆明洲	南京农业大学工学院	33	360	10.0	18.0
4	刘龙申	南京农业大学工学院	27	362	10.0	18.0
5	李泊	南京农业大学工学院	4	3	1.0	1.0