基于多尺度感知的高密度猪只计数网络研究

摘要：

猪只盘点是生猪规模化养殖和管理中的重要环节,人工计数方法费时、费力,在大数据量的猪只盘点中容易出错.本文使用多尺度感知网络对高密度猪群图像中的猪只进行计数.通过对人群计数网络CSRNet的改进,得到猪只计数网络(Pig counting net,PCN),PCN采用VGG16作为前端网络提取特征,中间层采用空间金字塔(Spatial pyramid)结构对图像中的多尺度信息进行提取与融合,后端网络采用改进的膨胀卷积网络.PCN增加了多尺度感知结构、扩大了后端网络感受野,通过感知多尺度特征得到预测密度图,预测密度图反映了猪只空间分布,通过对密度图积分实现了猪只数量的估计.结果 表明,在平均猪只数为40.71的测试集图像上,PCN的计数准确率优于人群计数网络MCNN、CSRNet和改进Counting CNN的猪只计数网络,MAE和RMSE分别为1.74和2.28,表现出较高的准确性和鲁棒性;单幅图像平均识别时间为0.108 s,满足实时处理要求.

关键词：猪只盘点;高密度计数;空间金字塔;多尺度感知;深度学习

所属期刊栏目：52

分类号：TP391.4(计算技术、计算机技术)

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

在线出版日期：2021-10-26（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：172-178