| 融合2D-3D卷积特征识别哺乳母猪姿态转换 |
| |
| 引用本文： | 薛月菊, 李诗梅, 郑婵, 甘海明, 李程鹏, 刘洪山. 融合2D-3D卷积特征识别哺乳母猪姿态转换[J]. 农业工程学报, 2021, 37(9): 230-237. DOI: 10.11975/j.issn.1002-6819.2021.09.026 |
| |
| 作者姓名： | 薛月菊 李诗梅 郑婵 甘海明 李程鹏 刘洪山 |
| |
| 作者单位： | 1.华南农业大学电子工程学院,广州 510642;2.华南农业大学数学与信息学院,广州 510642 |
| |
| 基金项目： | 广州市科技计划项目（201604016122）,广东省普通高校重点领域专项（2020ZDZX1041）,广东省科技计划项目（2021A0505030058） |
| |
| 摘 要： | 母猪姿态转换影响仔猪存活率,且动作幅度与持续时间存在差异,准确识别难度大。该研究提出一种融合2D-3D卷积特征的卷积网络（2D+3D-CNet,2D+3D Convolutional Network）识别深度图像母猪姿态转换。以视频段为输入,引入注意力机制SE模块和3D空洞卷积,以提升3D卷积网络姿态转换的时空特征提取能力,用2D卷积提取母猪的空间特征;经特征融合后,动作识别分支输出母猪转换概率,姿态分类分支输出4类姿态概率,结合这两个输出结果识别8类姿态转换,减少了人工标注数据集的工作量;最后设计动作分数,优化母猪姿态转换的时间定位。在测试集上,2D+3D-CNet姿态转换识别精度为97.95%、召回率为91.67%、测试速度为14.39帧/s,精度、召回率和时间定位精度均高于YOWO、FRCNN-HMM和MOC-D方法。该研究结果实现了母猪姿态转换高精度识别。
|
| 关 键 词： | 神经网络：卷积 时空特征融合 动作识别 姿态转换 时间定位 |
| 收稿时间： | 2021-01-01 |
| 修稿时间： | 2021-03-16 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《农业工程学报》浏览原始摘要信息 |
|
点击此处可从《农业工程学报》下载免费的PDF全文 |
|
