基于Cow-DETR与深度图像的非接触式奶牛体质量评估

摘要：

针对当前牧场奶牛体质量(体重)称量效率低,人工参与容易引发奶牛应激等问题,提出了一种基于改进DETR(Detection transformer)网络的端到端式奶牛体质量评估方法(Cow-DETR),实现利用奶牛背部深度图像进行非接触式奶牛体质量评估.首先设计并搭建实验数据采集装置,利用Intel RealSense D435 深度相机和体重秤采集奶牛背部深度图像和体质量数据;然后,通过边缘平滑滤波器和孔洞填充滤波器对深度图像进行补全处理,减少深度数据缺失对体质量评估的影响;最后,以DETR 网络为基础建立奶牛体质量评估模型,通过在预测模块中添加含有交替全连接层的体质量预测单元,提升奶牛体质量相关的特征信息提取能力,实现端到端式奶牛背部定位的同时进行奶牛体质量非接触式评估.结果表明,本文方法可以实现较高精度的奶牛体质量评估,通过5 倍交叉验证,在含有139 头奶牛数据的数据集中,平均绝对误差不超过17.21 kg,平均相对误差不超过3.71％,单幅图像平均识别时间为0.026 s.通过与现有体质量评估方法相对比,本文方法比其他6 种方法在更多的奶牛头数的数据集中取得了更低的平均绝对误差和平均相对误差,同时本文方法对奶牛站立姿势要求较低,更符合牧场实际生产需要,为奶牛体质量评估提供了新的解决思路.

关键词：奶牛、体质量评估、目标检测、深度图像、深度学习

所属期刊栏目：54

分类号：S823;TP391.41(家畜)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;国家重点研发计划;黑龙江省重点研发计划项目;现代农业产业技术体系

在线出版日期：2023-10-10（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：277-285,319