文献类型： 中文期刊

作者： 纪宝锋 ¹ ; 李斌 ¹ ; 卫勇 ² ; 赵文文 ¹ ; 周孟创 ¹ ;

作者机构： 1.北京市农林科学院智能装备技术研究中心

2.天津农学院工程技术学院

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。