农业机械学报

作者：刘忠超,何东健

单位：西北农林科技大学;南阳理工学院,西北农林科技大学,

关键词：奶牛;发情;图像识别;深度学习;爬跨行为;卷积神经网络

基金：国家重点研发计划项目（2017YFD0701603）和国家自然科学基金面上项目（61473235）

对奶牛发情的及时监测在奶牛养殖中至关重要。针对现有人工监测奶牛发情行为费时费力、计步器接触式监测会产生奶牛应激行为等问题，根据奶牛发情的爬跨行为特征，提出一种基于卷积神经网络的奶牛发情行为识别方法。构建的卷积神经网络通过批量归一化方法提高网络训练速度，以Max-pooling为下采样，修正线性单元（Rectified linear units，ReLU）为激活函数，Softmax回归分类器为输出层，结合理论分析和试验验证，确定了32×32-20c-2s-50c-2s-200c-2的网络结构和参数。经过对奶牛活动区50头奶牛6个月的视频监控，筛选了具有发情行为爬跨特征的视频150段，随机选取网络训练数据23?000幅和测试数据7?000幅，对构建的网络进行了训练和测试。试验结果表明：本文方法对奶牛发情行为识别准确率为98.25%，漏检率为5.80%，误识别率为1.75%，平均单幅图像识别时间为0.257s。该方法能够实现奶牛发情爬跨的无接触实时监测，对奶牛发情行为具有较高的识别率，可显著提高规模化奶牛养殖的管理效率

来源：2019年第7期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2019年第7期