基于全卷积网络的哺乳母猪图像分割

摘要：

猪舍场景下,光照变化、母猪体表颜色不均及与环境颜色对比度不大、母猪与仔猪的粘连等,均给目标分割带来很大的困难.该文提出了基于全卷积网络(FCN,fully convolutional networks)的哺乳母猪图像分割算法.以VGG16为基础网络,采用融合深层抽象特征与浅层细节特征并将融合的特征图上采样8倍的跳跃式结构,设计哺乳母猪分割的FCN.利用Caffe深度学习框架,以7栏伴有不同日龄仔猪的3811幅哺乳母猪训练样本进行母猪分割FCN训练,在另外21栏的523幅哺乳母猪测试集上的分割结果表明:该算法可有效避免光线变化、母猪颜色不均、小猪遮挡与粘连等影响,实现完整的哺乳母猪区域分割;分割的平均准确率达到99.28％,平均区域重合度达到95.16％,平均速度达到0.22 s/幅.与深度卷积网络的SDS(simultaneous detection and segmentation)及传统的基于图论的图像分割、基于水平集的图像分割方法做了对比试验,该文分割方法平均区域重合度分别比这3种方法高出9.99、31.96和26.44个百分点,有较好的泛化性和鲁棒性,实现了猪舍场景下哺乳母猪准确、快速分割,可为猪只图像分割提供了技术参考.

关键词：图像分割、算法、试验、全卷积网络、哺乳母猪

所属期刊栏目：33

分类号：TP391(计算技术、计算机技术)

资助基金：国家科技支撑计划2015BAD06B03-3;广东省科技计划项目2015A020209148;广东省科技计划2015A020224038;广州市科技计划项目201605030013;广州市科技计划项目201604016122

在线出版日期：2018-01-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：219-225