基于双金字塔网络的RGB-D群猪图像分割方法

发布时间：2021-04-22 02:52

　　为实现群养猪的视觉追踪和行为监测,针对猪舍中仔猪因拥挤堆叠等习性而导致的目标个体粘连、图像分割困难问题,提出基于双金字塔网络的RGB-D群猪图像分割方法。该方法基于实例分割Mask R-CNN框架,在特征提取网络（Res Net101）基础上改进成双金字塔特征提取网络。RGB图像和Depth图像分别提取特征后进行融合,输入区域生成网络得到预选锚（ROI）和共享特征输入Head网络,通过类别、回归和掩模3个分支,输出检测目标的位置和分类结果,实现猪舍场景下群养仔猪粘连区域的有效个体分割。网络模型训练采用2 000组图像样本,按照4∶1比例随机划分训练集和验证集。试验结果表明,双金字塔网络（Feature pyramid networks,FPN）能有效解决颜色相近、个体相似的群猪粘连问题,实现单个仔猪区域的完整分割,分割准确率达89.25%,训练GPU占有率为77.57%,与Mask R-CNN和Pig Net网络分割结果相比,分割准确率和分割速度均有较大提高。双金字塔网络模型对于多种行为状态、不同粘连程度的群猪图像中个体分割都取得了良好效果,模型泛化性和鲁棒性较好,为群养猪的个体自动追... 

【文章来源】：农业机械学报. 2020,51(07)北大核心EICSCD

【文章页数】：8 页

【文章目录】：
0 引言
1 材料与方法
    1.1 数据采集平台
    1.2 数据预处理与标注
    1.3 群养猪图像分割的双金字塔网络结构
    1.4 模型训练参数设置
2 群养猪图像分割试验
    2.1 试验方法
    2.2 试验设备
    2.3 试验流程
3 试验结果与分析
    3.1 实际效果检验与分析
        3.1.1 不同猪体粘连程度及分析
        3.1.2 不同猪只行为分析及个体识别
    3.2 不同模型性能分析与比较
4 结论


【参考文献】：
期刊论文
[1]农业信息成像感知与深度学习应用研究进展[J]. 孙红,李松,李民赞,刘豪杰,乔浪,张瑶.  农业机械学报. 2020(05)
[2]基于Mask R-CNN的猪只爬跨行为识别[J]. 李丹,张凯锋,李行健,陈一飞,李振波,蒲东.  农业机械学报. 2019(S1)
[3]基于迁移学习和Mask R-CNN的稻飞虱图像分类方法[J]. 林相泽,朱赛华,张俊媛,刘德营.  农业机械学报. 2019(07)
[4]基于深度学习的群猪图像实例分割方法[J]. 高云,郭继亮,黎煊,雷明刚,卢军,童宇.  农业机械学报. 2019(04)
[5]多环境参数控制的猪养殖箱设计及箱内气流场分析[J]. 高云,陈震撼,王瑜,李小平,郭继亮.  农业工程学报. 2019(02)
[6]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)
[7]精准畜牧业中动物信息智能感知与行为检测研究进展[J]. 何东健,刘冬,赵凯旋.  农业机械学报. 2016(05)



本文编号：3153011