基于实例分割和光流计算的死兔识别模型研究

摘要：

为实现自动化识别死兔,提高养殖管理效率,以笼养生长兔为研究对象,以基于优化Mask RCNN的实例分割网络和基于LiteFlowNet的光流计算网络为研究方法,构建了一种多目标背景下基于视频关键帧的死兔识别模型.该模型的实例分割网络以ResNet 50残差网络为主干,结合PointRend算法实现目标轮廓边缘的精确提取.视频关键帧同时输入实例分割网络和光流计算网络,获取肉兔掩膜的光流信息和掩膜边界框中心点坐标.利用光流阈值去除活跃肉兔掩膜,通过核密度估计算法获取剩余中心点坐标的密度分布,通过密度分布阈值实现死兔的判别.实验结果表明,肉兔图像分割网络的分类准确率为96.1％,像素分割精确度为95.7％,死兔识别模型的识别准确率为90％.本文提出的死兔识别模型为兔舍死兔识别和筛选工作提供了技术支撑.

关键词：深度学习;实例分割;光流法;死兔识别

所属期刊栏目：53

分类号：S829.1(家畜)

资助基金：现代农业产业技术体系CARS-43-D-3

在线出版日期：2022-03-18（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：256-264,273