基于SOLOv2与点云空腔特征的奶牛瘤胃充盈度自动评分方法

摘要：

瘤胃充盈度评分是反映奶牛个体采食量与能量摄入状态的直观指标,为实现奶牛瘤胃充盈度的自动评分,该研究提出了一种基于SOLOv2网络和空腔特征的瘤胃充盈度自动评分方法,首先对获取的奶牛背部深度图像进行预处理以提取目标奶牛;其次利用SOLOv2实例分割网络对奶牛瘤胃区域进行分割以获取瘤胃区域点云,将其投影至X-Z平面内采样得到二值图像,通过形态学处理得到空腔结构特征图;最后构建分类模型对特征图像进行分类以实现瘤胃充盈度的自动评分.试验结果表明,主干网络为ResNet-101-FPN时SOLOv2模型对测试集图像分割的平均精度达到86.29％,瘤胃充盈度自动评分的精准识别率为85.77％,评分误差在1以内的样本达到99.9％,平均识别速率为5.5帧/s,并对肥瘦程度不同的奶牛具有较强的鲁棒性.该方法可实现规模化养殖中奶牛个体瘤胃充盈度的无接触评定.

关键词：图像识别、自动化、奶牛、瘤胃充盈度评分、空腔特征、实例分割

所属期刊栏目：38

分类号：S24(农业电气化与自动化)

资助基金：国家重点研发计划;国家自然科学基金

在线出版日期：2022-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：186-197