改进Faster R-CNN的群养猪只圈内位置识别与应用

• 作者: 刘作华 徐顺来 曾雅琼 杨飞云 王德麾 王浩 裴宏亮 龙定彪
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 卷积神经网络 机器视觉 图像识别 算法 群养猪 位置识别
• 年，卷（期）: 2020,（21）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 201-209
• 页数: 9页
• 分类号: TP391.41|S818.9
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2020.21.024

摘要

群养圈栏内猪只的位置分布是反映其健康福利的重要指标.为解决传统人工观察方式存在的人力耗费大、观察时间长和主观性强等问题,实现群养猪只圈内位置的高效准确获取,该研究以三原色(Red Green Blue,RGB)图像为数据源,提出了改进的快速区域卷积神经网络(Faster Region Convolutional Neural Networks,Faster R-CNN)的群养猪只圈内位置识别算法,将时间序列引入候选框区域算法,设计Faster R-CNN和轻量化CNN网络的混合体,将残差网络(Residual Network,ResNet)作为特征提取卷积层,引入PNPoly算法判断猪只在圈内的所处区域.对育成和育肥2个饲养阶段的3个猪圈进行24 h连续98 d的视频录像,从中随机提取图像25000张作为训练集、验证集和测试集,经测试该算法识别准确率可达96.7％,识别速度为每帧0.064 s.通过该算法获得了不同猪圈和日龄的猪群位置分布热力图、分布比例和昼夜节律,猪圈饲养面积的增加可使猪群在实体地面的分布比例显著提高(P<0.05).该方法可为猪只群体行为实时监测提供技术参考.