基于深度学习的群猪分割方法

摘要：

[目的]实时监控猪舍内猪只状态以及在出栏前对猪只进行计数满足"动物福利化"养殖需求,而实现实时监控与计数的前提条件之一是对图像进行分割.[方法]图像分割方式有传统阈值分割以及引入深度学习概念的语义分割和实例分割.课题组介绍了语义分割的DeepLab V3+模型,作为语义分割中较晚出现的模型,DeepLab V3+模型在分割精度上相较于之前的模型有了巨大的提升,但分割速度仍较慢,无法满足实时监控的需求.基于此,课题组提出用Mobilenet V2主干网络替代原有Xception网络来改进模型,并引入了通道注意力机制以及空间注意力机制,然后分别利用原始模型和改进后的模型进行了试验.[结果]在精度上,改进后的V2模型稍弱于原始模型,加入注意力机制后的模型又优于V2模型0.48%而弱于原始模型2.97%,但在响应速度上,改进后的模型速度提升了38.77%.在分割效果上,三个模型的差异不大.[结论]相较于原始模型,改进后的模型精度略有下降,但是响应速度大幅提升,从而大大提高了模型分割的速度,满足了猪舍监控分割速度快的需求.

关键词：深度学习、群猪分割、"动物福利化"、DeepLab V3+、注意力机制

所属期刊栏目：54

分类号：S828;TP391.4(家畜)

资助基金：江西省畜牧设施技术开发工程研究中心专项基金

在线出版日期：2023-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：6-9