基于VGG-ST模型的奶牛粪便形态分类方法研究

文献类型： 中文期刊

第一作者： 纪宝锋

作者： 纪宝锋;李斌;卫勇;赵文文;周孟创

作者机构：

关键词： 奶牛;粪便分类;Swin Transformer;深度学习

期刊名称： 农业机械学报

ISSN：

年卷期： 2023 年 0S1 期

页码： 245-251

收录情况： EI ; 北大核心 ; CSCD

摘要： 快速准确识别奶牛粪便形态，对于奶牛肠胃健康监测与精细管理具有重要意义。针对目前奶牛粪便识别人工依赖强、识别难度大等问题，提出了一种基于VGG-ST（VGG-Swin Transformer）模型的奶牛稀便、软便、硬便及正常粪便图像识别与分类方法。首先，以泌乳期荷斯坦奶牛粪便为研究对象，采集上述4种不同形态的粪便图像共879幅，利用翻转、旋转等图像增强操作扩充至5 580幅作为本研究数据集；然后，分别选取Swin Transformer、AlexNet、ResNet-34、ShuffleNet和MobileNet 5种典型深度学习图像分类模型进行奶牛粪便形态分类研究，通过对比分析，确定Swin Transformer为最优基础分类模型；最后，融合VGG模型与Swin Transformer模型，构建了VGG-ST模型，其中，VGG模型获取奶牛粪便局部特征，同时Swin Transformer模型提取全局自注意力特征，特征融合后实现奶牛粪便图像分类。实验结果表明，Swin Transformer模型在测试集中分类准确率达85.9%,与ShuffleNet、ResNet-34、MobileNet、AlexNet模型相比分别提高1.8、4.0、12.8、23.4个百分点；VGG-ST模型分类准确率达89.5%,与原Swin Transformer模型相比提高3.6个百分点。该研究可为奶牛粪便形态自动筛查机器人研发提供方法参考。

分类号： S823%TP391.41

  • 相关文献

[1]基于深度学习网络实现番茄病虫害检测与识别. 王铭慧,张怀清,樊江川,陈帮乾,云挺. 2023

[2]基于Swin Transformer与GRU的低温贮藏番茄成熟度识别与时序预测研究. 杨信廷,刘彤,韩佳伟,郭向阳,杨霖. 2024

[3]深度学习方法在农业领域的研究及应用. 马聪,张建华,陈学东,朱丹. 2020

[4]基于深度卷积神经网络的红树林物种无人机监测研究. 黄亦其,刘琪,赵建晔,黄文善,孙中宇,乔曦. 2020

[5]基于卷积神经网络的农机图像自动识别研究. 雷雪梅,张光强,姚旗,刘伟渭,邱帅. 2022

[6]基于迁移学习和金字塔卷积网络的河蟹个体图像识别方法研究. 冯裕清,杨信廷,徐大明,罗娜,陈枫,孙传恒. 2022

[7]基于词向量的检索扩展方法与农业领域实证. 吴蕾,梁晓贺,乌吉斯古楞,王瑞. 2019

[8]基于神经网络的文献主题国别标引方法研究. 王新. 2019

[9]基于无人机遥感的盛花期薇甘菊爆发点识别与监测. 孙中宇,荆文龙,乔曦,杨龙. 2019

[10]基于YOLOv3深度卷积神经网络的田间百香果定位. 林营志,卢依琳,刘现. 2019

[11]基于深度学习的无人机影像玉米倒伏区域提取. 郑二功,田迎芳,陈涛. 2018

[12]机器学习在植物病害识别研究中的应用. 王聃,柴秀娟. 2019

[13]蛋鸡设施养殖环境质量评价预测模型构建方法及性能测试. 李华龙,李淼,詹凯,刘先旺,杨选将,胡泽林,郭盼盼. 2020

[14]基于深度学习与特征可视化方法的草地贪夜蛾及其近缘种成虫识别. 魏靖,王玉亭,袁会珠,张梦蕾,王振营. 2020

[15]基于长短时记忆神经网络的生猪价格预测模型. 刘怡然,王东杰,邓雪峰,刘振宇. 2021

[16]基于性诱和深度学习的草地贪夜蛾成虫自动识别计数方法. 邱荣洲,赵健,何玉仙,陈韶萍,黄美玲,池美香,梁勇,翁启勇. 2021

[17]基于深度学习的油菜籽粒图像分割方法初探. 彭顺正,黄筑斌,岳延滨,吴小波. 2020

[18]人工智能驱动智慧奶牛养殖的思考与实践. 夏雪,侍啸,柴秀娟. 2020

[19]基于Faster R-CNN的美国白蛾图像识别模型研究. 薛大暄,张瑞瑞,陈立平,陈梅香,徐刚. 2020

[20]基于U-Net和分水岭算法的无人机单木树冠提取方法. 金忠明,曹姗姗,王蕾,孙伟. 2020

作者其他论文 更多>>

微信小程序