基于改进Faster R-CNN识别深度视频图像哺乳母猪姿态

作者：薛月菊; 朱勋沐; 郑婵; 毛亮; 杨阿庆; 涂淑琴; 黄宁; 杨晓帆; 陈鹏飞; 张南峰

来源：农业工程学报, 2018, 34(09): 189-196.

• 图像识别
• 算法
• 模型
• Faster R-CNN
• 残差结构
• Center Loss
• 哺乳母猪
• 姿态识别

猪舍场景下,昼夜交替光线变化、热灯光照影响,及仔猪与母猪的粘连等因素,给全天候哺乳母猪姿态自动识别带来很大困难。该文以深度视频图像为数据源,提出基于改进Faster R-CNN的哺乳母猪姿态识别算法。将残差结构引入ZF网络,设计ZF-D2R网络,以提高识别精度并保持实时性;将Center Loss监督信号引入Faster R-CNN训练中,以增强类内特征的内聚性,提升识别精度。对28栏猪的视频图像抽取站立、坐立、俯卧、腹卧和侧卧5类姿态共计7 541张图像作为训练集,另取5类姿态的5 000张图像作为测试集。该文提出的改进模型在测试集上对哺乳母猪的站立、坐立、俯卧、腹卧和侧卧5类姿态的识别平均准确率分别达到96.73%、94.62%、86.28%、89.57%和99.04%,5类姿态的平均准确率均值达到93.25%。在识别精度上,比ZF网络和层数更深的VGG16网络的平均准确率均值分别提高了3.86和1.24个百分点。识别速度为0.058 s/帧,比VGG16网络速度提高了0.034 s。该文方法在提高识别精度的同时保证了实时性,可为全天候母猪行为识别提供技术参考。

• 单位
  广州出入境检验检疫局; 电子工程学院; 华南农业大学