农业机械学报

作者：何东健,刘建敏,熊虹婷,芦忠忠

单位：西北农林科技大学;农业农村部农业物联网重点实验室,西北农林科技大学;农业农村部农业物联网重点实验室,西北农林科技大学;陕西省农业信息感知与智能服务重点实验室,西北农林科技大学;农业农村部农业物联网重点实验室,

关键词：挤奶奶牛; 个体识别; 视频分析; 机器视觉; 改进YOLO v3

基金：陕西省重点产业创新链（群）-农业领域项目（2019ZDLNY02-05）和国家重点研发计划项目(2017YFD0701603)

为实现无接触、高精度养殖场环境下奶牛个体的有效识别，提出了基于改进YOLO v3深度卷积神经网络的挤奶奶牛个体识别方法。首先，在奶牛进、出挤奶间的通道上方安装摄像机，定时、自动获取奶牛背部视频，并用视频帧分解技术得到牛背部图像；用双边滤波法去除图像噪声，并用像素线性变换法增强图像亮度和对比度，通过人工标注标记奶牛个体编号；为适应复杂环境下的奶牛识别，借鉴Gaussian YOLO v3算法构建了优化锚点框和改进网络结构的YOLO v3识别模型。从89头奶牛的36?790幅背部图像中，随机选取22?074幅为训练集，其余图像为验证集和测试集。识别结果表明，改进YOLO v3模型的识别准确率为95.91%，召回率为95.32%，mAP为95.16%， IoU为85.28%，平均帧率为32?f/s，识别准确率比YOLO v3高0.94个百分点，比Faster R-CNN高1.90个百分点，检测速度是Faster R-CNN的8倍，背部为纯黑色奶牛的F1值比YOLO v3提高了2.75个百分点。本文方法具有成本低、性能优良的特点，可用于养殖场复杂环境下挤奶奶牛个体的实时识别。?

来源：2020年第4期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2020年第4期