改进Faster R-CNN的群养猪只圈内位置识别与应用

作者：王浩; 曾雅琼; 裴宏亮; 龙定彪; 徐顺来; 杨飞云; 刘作华; 王德麾^*

来源：农业工程学报, 2020, 36(21): 201-209.

DOI：10.11975/j.issn.1002-6819.2020.21.024

• 卷积神经网络
• 机器视觉
• 图像识别
• 算法
• 群养猪
• 位置识别

群养圈栏内猪只的位置分布是反映其健康福利的重要指标。为解决传统人工观察方式存在的人力耗费大、观察时间长和主观性强等问题,实现群养猪只圈内位置的高效准确获取,该研究以三原色(Red Green Blue,RGB)图像为数据源,提出了改进的快速区域卷积神经网络(Faster Region Convolutional Neural Networks,Faster R-CNN)的群养猪只圈内位置识别算法,将时间序列引入候选框区域算法,设计Faster R-CNN和轻量化CNN网络的混合体,将残差网络(Residual Network,ResNet)作为特征提取卷积层,引入PNPoly算法判断猪只在圈内的所处区域。对育成和育肥2个饲养阶段的3个猪圈进行24 h连续98 d的视频录像,从中随机提取图像25 000张作为训练集、验证集和测试集,经测试该算法识别准确率可达96.7%,识别速度为每帧0.064s。通过该算法获得了不同猪圈和日龄的猪群位置分布热力图、分布比例和昼夜节律,猪圈饲养面积的增加可使猪群在实体地面的分布比例显著提高(P<0.05)。该方法可为猪只群体行为实时监测提供技术参考。

• 出版日期2020
• 单位重庆市畜牧科学院; 四川大学