基于实例分割的白羽肉鸡体质量估测方法

摘要：

针对白羽肉鸡体质量测量自动化水平低、易造成肉鸡应激的问题,提出一种结合深度学习的非接触式白羽肉鸡体质量估测方法.利用Mask R-CNN和YOLACT(You only look at coefficients)两种实例分割算法获取白羽肉鸡位置与覆盖掩膜,并进行效果对比;采用自适应掩膜随机提取白羽肉鸡身体部分边缘点,并作为观测点进行椭圆拟合,映射白羽肉鸡背部像素投影面积;通过双变量相关性分析验证白羽肉鸡背部投影面积与体质量间的显著相关性,根据白羽肉鸡背部投影面积与背部像素投影面积的线性比例关系,按照最小二乘原则建立白羽肉鸡背部像素投影面积与体质量间的线性回归模型.试验表明,单只鸡体质量估测中以Mask R-CNN进行特征提取的体质量估测平均准确率为97.23％,以YOLACT进行特征提取的体质量估测平均准确率为97.49％,群鸡场景中体质量估测最低准确率为90.50％.

关键词：白羽肉鸡、体质量估测、深度学习、实例分割、椭圆拟合

所属期刊栏目：52

分类号：TP391.4;S831(计算技术、计算机技术)

资助基金：政府间国际科技创新合作重点专项;江苏省重点研发计划现代农业重点项目

在线出版日期：2021-07-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：266-275