文献类型： 中文期刊

作者： 邓寒冰 ¹ ; 许童羽 ² ; 周云成 ² ; 苗腾 ² ; 张聿博 ² ; 徐静 ² ; 金莉 ² ; 陈春玲 ³ ;

作者机构： 1.沈阳农业大学信息与电气工程学院;辽宁省农业信息化工程技术研究中心;北京农业信息技术研究中心

2.;沈阳农业大学信息与电气工程学院;辽宁省农业信息化工程技术研究中心;北京农业信息技术研究中心

3.;沈阳农业大学信息与电气工程学院;辽宁省农业信息化工程技术研究中心;北京农业信息技术研究中心;

关键词： 图像重构;图像识别;算法;肉牛;深度卷积神经网络;目标识别;DRGB

期刊名称： 农业工程学报

ISSN： 1002-6819

年卷期： 2018 年 05 期

页码： 166-175

收录情况： EI ; 北大核心 ; CSCD

摘要： 如何解决运动中肉牛关键部位自动识别,是实现肉牛异常行为早期发现的关键。该文通过Kinect采集肉牛图像的2种模态(Depth和RGB):基于RGB模态提出随机最近邻像素比较法,实现肉牛动作样本的自动抓取;基于Depth模态提出深度均值法,实现彩色图像背景过滤并保留肉牛形体信息,生成DRGB图像样本;基于Fast R-CNN设计识别器,参考Alex Net设计了8种分类网络并比较网络分类精度,选择最优网络作为识别器的基础网络;输入DRGB样本对网络的识别部分二次训练,最终得到符合精度要求的识别器。试验证明,RNNPC的有效数据率为94%;Selective Search算法在DRGB上产生的候选区域数量减少90%;识别网络的平均分类精度可以达到75.88%,处理图像速率为4.32帧/s,效果优于原Fast RCNN,基本可以实现运动中肉牛形体部位识别。