基于语义部位分割的条纹斑竹鲨鱼体运动姿态解析

• 作者: 刘斌 王凯歌 李晓蒙 胡春海
• 来源期刊: 农业工程学报
• 关键词: 机器视觉 神经网络 条纹斑竹鲨 语义部位分割 深度学习
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 农业信息与电气技术|Agricultural Information and Electrical Technologies
• 页码范围: 179-187
• 页数: 9页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2021.03.022

摘要

条纹斑竹鲨具有较高的经济价值和医用研究价值.人工驯养对环境和温度等因素要求较高,时常出现大规模病死现象.利用视频图像量化分析鱼体运动行为,有助于进行异常识别和早期预警,将有效提高养殖养护水平.该研究针对人工驯养的条纹斑竹鲨鱼,提出一种基于深度神经网络的语义部位分割方法,并将分割结果应用于剖析条斑鲨鱼体运动姿态.首先,依据条斑鲨形态特征将其划分为7个可视的身体组成构件(头部、右胸鳍、左胸鳍、右腹鳍、左腹鳍、躯干、尾巴);再对全景养殖监控视频中抽取的476幅条斑鲨子图进行各部位的像素级标记,通过数据增强到1944幅建立鱼体语义部位数据集,其中训练集为1166幅图像,测试集为778幅图像;然后,在语义分割网络模型基础上进行深度学习训练,使用深度学习框架对网络参数进行微调使得网络训练结果达到最优.最后,利用语义部位分割结果定位躯干和鱼头质心建立随体坐标,通过随体坐标的方向变化判明鱼体动作姿态.基于FCN-8s和Segnet两种深度网络模型进行了鱼体部位分割的对比试验,测试结果表明基于Segnet网络的分割方法在头部、右胸鳍、左胸鳍、右腹鳍、左腹鳍、躯干、尾巴部位的准确度分别高出FCN-8s深度网络1.50,4.70,6.95,6.56,6.01,0.85,0.84个百分点.语义部位分割结果能够有效判别条斑鲨鱼体目标的动作姿态,可为鱼体异常行为识别和进一步开展面向条斑鲨的动物行为学试验提供技术参考.