改进帧间差分-深度学习识别群养猪只典型行为

文献类型： 中文期刊

第一作者： 曾繁国

作者： 曾繁国;朱君;王海峰;贾楠;赵宇亮;赵文文;李斌

作者机构：

关键词： 深度学习;识别;群养猪只;姿态检测

期刊名称： 农业工程学报

ISSN：

年卷期： 2022 年 015 期

页码： 170-178

收录情况： EI ; 北大核心 ; CSCD

摘要： 群养猪行为是评估猪群对环境适应性的重要指标。猪场环境中，猪只行为识别易受不同光线和猪只粘连等因素影响，为提高群养猪只行为识别精度与效率，该研究提出一种基于改进帧间差分-深度学习的群养猪只饮食、躺卧、站立和打斗等典型行为识别方法。该研究以18只50～115日龄长白猪为研究对象，采集视频帧1 117张，经图像增强共得到4 468张图像作为数据集。首先，选取Faster R-CNN、SSD、Retinanet、Detection Transformer和YOLOv5五种典型深度学习模型进行姿态检测研究，通过对比分析，确定了最优姿态检测模型；然后，对传统帧间差分法进行了改进，改进后帧间差分法能有效提取猪只完整的活动像素特征，使检测结果接近实际运动猪只目标；最后，引入打斗活动比例（Proportion of Fighting Activities, PFA）和打斗行为比例（Proportion of Fighting Behavior, PFB）2个指标优化猪只打斗行为识别模型，并对模型进行评价，确定最优行为模型。经测试，YOLOv5对群养猪只典型姿态检测平均精度均值达93.80%，模型大小为14.40MB，检测速度为32.00帧/s，检测速度满足姿态实时检测需求，与FasterR-CNN、SSD、Retinanet和DetectionTransformer模型相比，YOLOv5平均精度均值分别提高了1.10、3.23、4.15和21.20个百分点，模型大小分别减小了87.31%、85.09%、90.15%和97.10%。同时，当两个优化指标PFA和PFB分别设置为10%和40%时，猪只典型行为识别结果最佳，识别准确率均值为94.45%。结果表明，该方法具有准确率高、模型小和识别速度快等优点。该研究为群养猪只典型行为精准高效识别提供方法参考。

分类号： S828%TP391.41

  • 相关文献

[1]基于Sentinel-1A影像和一维CNN的中国南方生长季早期作物种类识别. 赵红伟,陈仲新,姜浩,刘佳. 2020

[2]基于GF-6时序数据的农作物识别深度学习算法评估. 陈诗扬,刘佳. 2021

[3]基于深度学习的病虫害智能化识别系统. 陈天娇,曾娟,谢成军,王儒敬,刘万才,张洁,李瑞,陈红波,胡海瀛,董伟. 2019

[4]基于深度卷积神经网络的玉米病害识别. 雷波,曹艳,唐江云,胡亮. 2018

[5]入侵昆虫识别微信小程序设计与实现. 黄亦其,沈豪,王福宽,钱万强,董双玉,乔曦. 2023

[6]基于U-Net网络的高标准农田道路识别方法. 袁翠霞,赵春江,任艳敏,刘玉,李淑华,李少帅. 2023

[7]家蚕病毒病的识别与防治. 王太兴. 2009

[8]续断主要病害的识别与防治. 曾令祥,杨琳,陈娅娅,杨相波,王树春. 2012

[9]淫羊藿主要病害的识别与防治. 曾令祥,杨琳,陈娅娅,杨相波,王树春. 2012

[10]3种李树天牛识别、为害及其综合防控技术措施. 黄鹏,余德亿,姚锦爱,王金明,方大琳. 2012

[11]吉林省花生主要叶部病害识别与防治. 赵伟锋,刘玉芬,郭朋,张宇航. 2012

[12]不同株型冬小麦冠层结构特征多时相分析. 杨贵军,邢著荣,黄文江,齐腊,李伟国. 2010

[13]记录小麦SSR带型的快捷方法. 王立新,赵昌平,邱军,李宏博,葛玲玲,孙辉,姚骥. 2006

[14]新疆麦类蚜虫的种类和识别. 杨海峰,马祁. 2003

[15]黄瓜褐斑病的发生、识别及防治. 李淑菊,王惠哲. 2007

[16]杨树主要溃疡类病害的识别与诊断. 刘宝生,张素芬,谷希树,康长华,马金河,王大晶,张少青,孙淑琴. 2013

[17]番茄晚疫病的识别与防治对策. 郝永娟,王万立,刘春艳,王勇. 2004

[18]基于超像素分割的田间小麦穗数统计方法. 杜颖,蔡义承,谭昌伟,李振海,杨贵军,冯海宽,韩东. 2019

[19]合成孔径雷达水稻识别和监测研究进展. 唐鹏钦,姚艳敏,魏娜. 2009

[20]联合光谱-空间信息的短波红外高光谱图像茶叶识别模型. 蔡庆空,李二俊,蒋金豹,乔小军,蒋瑞波,冯海宽,刘绍堂,崔希民. 2019

作者其他论文 更多>>

微信小程序