基于时空上下文信息的仔猪吮乳行为识别算法研究

作者：李颀; 马凯^*

来源：黑龙江畜牧兽医, 2023, (24): 51-148.

DOI：10.13881/j.cnki.hljxmsy.2022.11.0211

• 仔猪
• 吮乳行为
• 上下文信息
• 卷积神经网络
• LSTM网络

为了准确识别特征不明显且扎推聚群现象严重的仔猪吮乳行为，试验建立了一种基于时空上下文信息的仔猪吮乳行为识别算法，即先利用关键点检测技术定位侧卧母猪的哺乳区域，然后在哺乳区域中利用基于空间上下文信息模块的主干网络提取仔猪吮乳状态下的空间上下文信息，包括仔猪与母猪的相对位置和距离信息及仔猪嘴部与母猪乳房连接处的轮廓形状特征；为捕捉仔猪吮乳行为的运动特征，在主干网络的最后一层引入时间上下文信息模块，提取相邻帧间仔猪吮乳行为的时序特征；最后将特征输入到长短期记忆(long short term memory, LSTM)网络进行仔猪吮乳行为的预测与识别；以精确率、召回率和平均精度作为评价指标，将基于时空上下文信息的仔猪吮乳行为识别方法与Darknet53算法、原始YOLOv5主干网络+LSTM算法进行性能比较。结果表明：基于时空上下文信息的仔猪吮乳行为识别算法对仔猪哺乳行为识别的精确率、召回率和平均精准率分别96.9%、96.1%和96.3%,较Darknet53算法分别提高了14.7%、14.5%和14.4%,较原始YOLOv5主干网络+LSTM算法分别提高了12.5%、11.0%和11.3%。说明基于时空上下文信息的仔猪吮乳行为识别算法对仔猪吮乳行为有较好的识别效果。

• 单位
  陕西科技大学