图像分割算法在肉鸡深度图集上的研究

作者：李西明; 赵泽勇; 吴精乙; 黄永鼎; 高月芳^*; 温嘉勇

来源：广东农业科学, 2022, 49(01): 159-166.

DOI：10.16768/j.issn.1004-874X.2022.01.019

• 图像识别
• 图像分割
• 深度学习
• 深度图像
• 神经网络模型

【目的】针对在复杂环境背景中难以识别分割多只肉鸡的问题，探讨基于深度学习实现对多只肉鸡深度图像分割的方法。【方法】利用深度相机，通过不同的拍摄角度（俯视、正视、侧视）在自然环境下采集肉鸡不同姿势（站立、俯卧、抬头、低头等）形态的深度图像，并使用CVAT标注软件对深度图像进行精确标注，建立肉鸡深度图数据集（含4 058张深度图像）。利用FCN、U-Net、PSPNet、DeepLab和Mask R-CNN等5种神经网络实现肉鸡深度图像的识别与分割，根据测试集得到预测结果，比较与评估不同模型的性能，实现对肉鸡深度图像的识别与分割。【结果】基于Mask R-CNN神经网络模型的识别分割准确率为98.96%，召回率为97.78%，调和平均数为95.03%，交并比为94.69%,4个指标值均为5个模型中的最优值。【结论】基于Mask R-CNN神经网络的算法简单快速，且能准确实现肉鸡的自动识别与分割，对肉鸡遮挡有较佳的鲁棒性，基本可以满足养殖场鸡群均匀度预测的识别分割要求。促进了计算机视觉在现代农业的应用，可为鸡群计数、鸡群均匀度预测以及肉鸡福利饲养等鸡场作业提供理论和实践基础。

• 单位
  华南农业大学