基于可见光光谱和YOLOv2的生猪饮食行为识别

发布时间：2021-02-19 10:46

　　猪的进食、饮水行为是评价生猪健康程度最直接的依据,利用计算机视觉技术实时监控生猪的进食、饮水等状况对提高生猪养殖福利有重要的意义。提出一种基于可见光光谱和改进YOLOv2神经网络的生猪进食、饮水行为识别方法,该方法在生猪可见光图像序列上构建头颈模型,结合改进的YOLOv2神经网络实现真实养殖场景中的生猪目标检测,并利用位置信息对生猪的进食、饮水行为进行预判断,对符合判断的图像使用图像处理方法精准判断生猪进食、饮水行为。首先在生猪图像序列上构建头颈模型,利用未被遮挡的头颈作为检测目标,该模型能有效改善生猪目标检测过程的遮挡问题,且能够精准定位生猪的头部,为后续识别进食饮水行为提供辅助。然后采用国际主流神经网络YOLOv2作为目标检测的基础网络模型,改进其激活函数,实现快速精准地生猪目标检测。在使用网络训练前,对生猪数据集使用K-means算法进行聚类候选边框,其mAP值和Recall值相比于最初YOLOv2提高了3.94%和5.3%。为了增加网络对输入变化或噪声的鲁棒性,对比使用ReLU, Leaky-ReLU和ELU三个激活函数的性能,可以发现使用ELU的性能比前两者有明显提高。将改进... 

【文章来源】：光谱学与光谱分析. 2020,40(05)北大核心

【文章页数】：7 页

【部分图文】：

生猪行为识别框架图

以三组对比实验来证明生猪目标检测模型的可用性。首先对比使用原始边框和聚类得到的边框效果; 然后对比使用不同激活函数的性能; 最后将本文优化得到的检测模型与主流目标检测模型进行对比。

针对以上的分析, 在网络的每一个卷积层后使用ELU激活函数, 其定义公式如式(4)y={ e x -1, x≤0 x, x>0 ?????? ??? (4)

【参考文献】：
期刊论文
[1]猪只饮水行为机器视觉自动识别[J]. 杨秋妹,肖德琴,张根兴.  农业机械学报. 2018(06)



本文编号：3041006