基于改进实例分割算法的智能猪只盘点系统设计
发布时间：2021-07-29 09:05
基于图像处理的动物资产计数方法,不仅可以减少人工投入,还可以缩短生物资产的计数周期,但该方法受光照条件影响严重,并且当动物间相互挤压、遮挡时,计数精度较差。针对这些问题,该研究提出了一种基于图像实例分割算法的生猪计数网络。针对光照和目标边缘模糊问题,利用拉普拉斯算子进行图像预处理。对MaskR-CNN网络的特征提取网络进行改进,在原始特征金字塔网络（Feature Pyramid Network, FPN）后面增加一条自底向上的增强路径,直接将低层边缘位置特征与高层特征相融合,提高对目标边缘轮廓的识别能力,对非极大值抑制过程和损失函数进行优化和改进,以提高分割精度。在河北丰宁、吉林金源和内蒙古正大3个试验猪场进行测试,验证本文网络的计数精度。采集设备在3个试验猪场共采集2 400张图像,经图像预处理去除模糊和光线差的图像,从剩余的图像中随机选取共1 250张图像作为原始数据集,其中丰宁猪场500张、金源猪场500张,正大猪场250张。将各猪场的原始数据集分别按2:2:1的比例分为3部分,包括训练集905张,验证集95张,测试集250张,对原始训练集和验证集进行数据增强,最终得到训练集图...
【文章来源】：农业工程学报. 2020,36(19)北大核心EICSCD
【文章页数】：7 页
【部分图文】：
Mask R-CNN网络改进前后的测试结果对比
本文所提出的生猪计数网络基于Tensor Flow框架的Mask R-CNN网络结构，针对猪只密度大、遮挡严重的特殊问题，采用Res Net-152作为Mask R-CNN特征提取网络，同时，在原始特征金字塔网络（Feature pyramid network,FPN）后面添加一条自底向上的增强路径，将底层定位特征向上传递，提高边界框定位的精确性，本文提出的基于Mask R-CNN改进算法的总体框图如图1所示。2.2 特征金字塔网络的改进
RPN(Region Proposal Network）网络负责候选区域的生成，候选区域生成过程中采用“锚点(anchor)机制”。本文网络的识别目标只有生猪，当猪只密度较大时，猪只之间互相挤压，造成身体的变形，目标的横纵比例会发生变化。当锚点的横纵比和目标横纵比差异较大时，容易产生目标漏检。在猪只密度比较大的场景中，为了提高小目标的识别准确率，结合特征金字塔网络，本文采用在不同尺寸的特征图上，预测不同尺寸的目标。低层特征图缩放比例较小，小目标特征保存比较完整，在低层大尺寸的特征图上生成小尺寸的锚点，用于检测小目标；高层特征图缩放比例较大，但是可以学习到更多的语义信息，丰富大目标特征，在高层特征图上生成大尺寸的锚点，用于检测大目标。由各层特征图映射回原图的锚点尺寸如表1所示。
【参考文献】：
期刊论文
[1]基于边界脊线识别的群养猪黏连图像分割方法[J]. 韩书庆,张建华,孔繁涛,张腾飞,吴海玲,单佳佳,吴建寨. 农业工程学报. 2019(18)
[2]基于改进Faster-RCNN模型的粘虫板图像昆虫识别与计数[J]. 张银松,赵银娣,袁慕策. 中国农业大学学报. 2019(05)
[3]畜牧养殖场图像远程采集与目标计数系统[J]. 梁炎森,张天昊,何志毅. 桂林电子科技大学学报. 2017(06)
[4]图像识别计数在储备生猪统计的应用[J]. 张天昊,梁炎森,何志毅. 计算机应用与软件. 2016(12)
[5]智能盘点提高资产管理效率[J]. 屠萍,祝海云. 通信企业管理. 2016(08)
[6]基于显微图像处理的稻瘟病菌孢子自动检测与计数方法[J]. 齐龙,蒋郁,李泽华,马旭,郑志雄,汪文娟. 农业工程学报. 2015(12)
本文编号：3309040
【文章来源】：农业工程学报. 2020,36(19)北大核心EICSCD
【文章页数】：7 页
【部分图文】：
Mask R-CNN网络改进前后的测试结果对比
本文所提出的生猪计数网络基于Tensor Flow框架的Mask R-CNN网络结构，针对猪只密度大、遮挡严重的特殊问题，采用Res Net-152作为Mask R-CNN特征提取网络，同时，在原始特征金字塔网络（Feature pyramid network,FPN）后面添加一条自底向上的增强路径，将底层定位特征向上传递，提高边界框定位的精确性，本文提出的基于Mask R-CNN改进算法的总体框图如图1所示。2.2 特征金字塔网络的改进
RPN(Region Proposal Network）网络负责候选区域的生成，候选区域生成过程中采用“锚点(anchor)机制”。本文网络的识别目标只有生猪，当猪只密度较大时，猪只之间互相挤压，造成身体的变形，目标的横纵比例会发生变化。当锚点的横纵比和目标横纵比差异较大时，容易产生目标漏检。在猪只密度比较大的场景中，为了提高小目标的识别准确率，结合特征金字塔网络，本文采用在不同尺寸的特征图上，预测不同尺寸的目标。低层特征图缩放比例较小，小目标特征保存比较完整，在低层大尺寸的特征图上生成小尺寸的锚点，用于检测小目标；高层特征图缩放比例较大，但是可以学习到更多的语义信息，丰富大目标特征，在高层特征图上生成大尺寸的锚点，用于检测大目标。由各层特征图映射回原图的锚点尺寸如表1所示。
【参考文献】：
期刊论文
[1]基于边界脊线识别的群养猪黏连图像分割方法[J]. 韩书庆,张建华,孔繁涛,张腾飞,吴海玲,单佳佳,吴建寨. 农业工程学报. 2019(18)
[2]基于改进Faster-RCNN模型的粘虫板图像昆虫识别与计数[J]. 张银松,赵银娣,袁慕策. 中国农业大学学报. 2019(05)
[3]畜牧养殖场图像远程采集与目标计数系统[J]. 梁炎森,张天昊,何志毅. 桂林电子科技大学学报. 2017(06)
[4]图像识别计数在储备生猪统计的应用[J]. 张天昊,梁炎森,何志毅. 计算机应用与软件. 2016(12)
[5]智能盘点提高资产管理效率[J]. 屠萍,祝海云. 通信企业管理. 2016(08)
[6]基于显微图像处理的稻瘟病菌孢子自动检测与计数方法[J]. 齐龙,蒋郁,李泽华,马旭,郑志雄,汪文娟. 农业工程学报. 2015(12)
本文编号：3309040
本文链接：https://www.wllwen.com/yixuelunwen/dongwuyixue/3309040.html
