| 基于Faster-RCNN的肉鸡击晕状态检测方法 |
| |
| 引用本文： | 叶长文,戚超,刘超,郑小刚,王鹏,陈坤杰.基于Faster-RCNN的肉鸡击晕状态检测方法[J].农业机械学报,2019,50(12):255-259. |
| |
| 作者姓名： | 叶长文 戚超 刘超 郑小刚 王鹏 陈坤杰 |
| |
| 作者单位： | 南京农业大学,南京农业大学,南京农业大学,江苏省农机化服务站,南京农业大学,南京农业大学 |
| |
| 基金项目： | “十二五”国家科技支撑计划项目（2015BAD19806）和国家肉鸡产业技术体系项目（CARS-42-5） |
| |
| 摘 要： | 为了准确识别屠宰加工中肉鸡的击晕状态，提出了一种基于快速区域卷积神经网络的肉鸡击晕状态检测方法。对输入图像进行归一化处理，通过卷积神经网络（VGG16）提取肉鸡的卷积特征图，利用区域建议网络提取预测框，在卷积特征图上采用非极大值抑制算法去除重复表述的预测框；将所得的各预测框映射到卷积特征图上，得到预测框在卷积特征图上的候选区域，将其输入感兴趣区域池化层；通过感兴趣区域池化层将大小不一的候选区域进行池化操作、得到统一的输出数据，最后通过全连接层与柔性最大值分类器，输出各击晕类别的概率和预测框的坐标。将2319个样本图像按2∶1的比例随机分为训练集与测试集，对模型进行训练与实验验证。结果表明，本文建立的基于Faster-RCNN的肉鸡击晕状态分类模型对773个测试集肉鸡样本击晕状态分类的总准确率达到96.51%，对肉鸡击晕状态的预测速度可达每小时37000只，基本满足肉鸡屠宰生产线要求。
|
| 关 键 词： | 肉鸡 电击晕 击晕状态 卷积神经网络 深度学习 |
| 收稿时间： | 2019/4/17 0:00:00 |
Stunning State Recognition Method of Broiler Chickens Based on Faster Region Convolutional Neural Network |
| |
| YE Changwen,QI Chao,LIU Chao,ZHENG Xiaogang,WANG Peng and CHEN Kunjie.Stunning State Recognition Method of Broiler Chickens Based on Faster Region Convolutional Neural Network[J].Transactions of the Chinese Society of Agricultural Machinery,2019,50(12):255-259. |
| |
| Authors: | YE Changwen QI Chao LIU Chao ZHENG Xiaogang WANG Peng and CHEN Kunjie |
| |
| Institution: | Nanjing Agricultural University,Nanjing Agricultural University,Nanjing Agricultural University,Agricultural Mechanization Service Station of Jiangsu Province,Nanjing Agricultural University and Nanjing Agricultural University |
| |
| Abstract: | |
| |
| Keywords: | broiler chickens electric stunning stunning state convolutional neural network deep learning |
|
| 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 |
|
