| 基于YOLO v3与图结构模型的群养猪只头尾辨别方法 |
| |
| 引用本文： | 李泊,沈明霞,刘龙申,陆明洲,孙玉文.基于YOLO v3与图结构模型的群养猪只头尾辨别方法[J].农业机械学报,2020,51(7):44-51. |
| |
| 作者姓名： | 李泊 沈明霞 刘龙申 陆明洲 孙玉文 |
| |
| 作者单位： | 南京农业大学工学院,南京210031;南京农业大学工学院,南京210031;南京农业大学工学院,南京210031;南京农业大学工学院,南京210031;南京农业大学工学院,南京210031 |
| |
| 基金项目： | 国家自然科学基金青年基金项目（61503187)和国家重点研发计划-中欧政府间合作项目（2017YFE0114400） |
| |
| 摘 要： | 在利用视频监控技术对群养猪只进行自动行为监测时,对猪只准确定位并辨别其头尾位置对提高监测水平至关重要,基于此提出一种基于YOLO v3(You only look once v3)模型与图结构模型(Pictorial structure models)的猪只头尾辨别方法。首先,利用基于深度卷积神经网络的YOLO v3目标检测模型,训练猪只整体及其头部和尾部3类目标的检测器,从而在输入图像中获得猪只整体及头尾部所有的检测结果;然后,引入图结构模型,描述猪只的头尾结构特征,对每个猪只整体检测矩形框内的头尾部位组合计算匹配得分,选择最优的部位组合方式;对部分部位漏检的情况,采取阈值分割与前景椭圆拟合的方法,根据椭圆长轴推理出缺失部位。在实际猪场环境下,通过俯拍获得猪舍监控视频,建立了图像数据集,并进行了检测实验。实验结果表明,与直接利用YOLO v3模型相比,本文方法对头尾定位的精确率和召回率均有一定提高。本文方法对猪只头尾辨别精确率达到96.22%,与其他方法相比具有明显优势。
|
| 关 键 词： | 猪只 行为识别 头尾辨别 深度卷积神经网络 图结构模型 |
| 收稿时间： | 2019/9/30 0:00:00 |
Head and Tail Identification Method for Group-housed Pigs Based on YOLO v3 and Pictorial Structure Model |
| |
| LI Bo,SHEN Mingxi,LIU Longshen,LU Mingzhou,SUN Yuwen.Head and Tail Identification Method for Group-housed Pigs Based on YOLO v3 and Pictorial Structure Model[J].Transactions of the Chinese Society of Agricultural Machinery,2020,51(7):44-51. |
| |
| Authors: | LI Bo SHEN Mingxi LIU Longshen LU Mingzhou SUN Yuwen |
| |
| Institution: | Nanjing Agricultural University |
| |
| Abstract: | |
| |
| Keywords: | pig behavior recognition head/tail identification deep convolutional neural networks pictorial structure model |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
|
