基于级联Faster R-CNN的群养猪只个体和身体部位检测

作者：肖德琴; 林思聪; 刘又夫; 杨秋妹; 吴惠粦

来源：农业工程技术(温室园艺), 2023, 43(20): 150.

• 群养猪
• 身体部位检测
• Faster R-CNN
• 级联结构

猪只个体及身体部位的检测是实现视频监控群养猪行为的关键步骤。然而，目前仍然难以从群养条件下准确定位到视频中的每一头猪的身体和其身体部位。为了解决该问题，该研究设计了一种基于级联Faster R-CNN的多目标猪只个体和部位检测算法（CascadeFasterR-CNNPigDetector,C-FRPD）。首先，通过101层残差网络（101-layersResidualNetworks,Res Net-101）提取猪圈视频图像的特征，将特征图输入到区域建议网络（RegionProposalNetworks,RPN）获得建议区域。然后对建议区域进行分类和边框回归得到猪只个体位置定位。最后，通过级联结构，在猪只个体的特征区域内搜索得到身体部位，实现多猪只个体和部位检测，并在端到端检测中实现个体与部位间的关联。该研究使用了1500张猪圈图像进行了训练、验证和测试。测试表明单张图片平均检测时间为259ms，检测精度达到98.4%。与不使用级联结构的FasterR-CNN对比，平均检测精度提高了4.3%。该研究提出方法可在图像中精确检测猪只个体及其头部、背部、尾部，并有效关联个体与部位，提供更完整的个体信息可为进一步分析猪只行为等提供基础。

• 单位
  华南农业大学