群养猪侵略性行为的深度学习识别方法

摘要：

为了解决因传统机器视觉和图像处理方法的局限性以及复杂的猪体姿态和猪舍环境导致对群养猪侵略性行为识别的有效性、准确率较低的问题,该文基于深度学习的方法,提出使用3D CONV的群养猪侵略性行为识别算法-3DConvNet.分3个批次采集18头9.6 kg左右的大白仔猪视频图像,选用第一批次中包含28 d内各个时段的撕咬、撞击、追逐、踩踏4大类,咬耳、咬尾、咬身、头撞头、头撞身、追逐以及踩踏7小类侵略性行为以及吃食、饮水、休息等非侵略性行为共计740段(27114帧)视频作为训练集和验证集,训练集和验证集比例为3:1.结果表明,3D ConvNet网络模型在训练集上的识别准确度达96.78％,在验证集上识别准确度达95.70％.该文算法模型对于不同训练集批次的猪只以及不良照明条件下依然能准确识别侵略性行为,算法模型泛化性能良好.与C3D模型进行对比,该文提出的网络模型准确率高出43.47个百分点,单帧图像处理时间为0.50 s,可满足实时检测的要求.研究结果可为猪场养殖环境中针对猪只侵略性行为检测提供参考.

关键词：卷积神经网络、机器视觉、模型、行为识别、侵略性行为、深度学习、群养猪

所属期刊栏目：35

分类号：TP391.41(计算技术、计算机技术)

资助基金："十三五"国家重点研发计划项目;中央高校自主创新基金;现代农业技术体系

在线出版日期：2020-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：192-200