农业机械学报

作者：高云，廖慧敏，黎煊，雷明刚，余梅，李小平

单位：华中农业大学,华中农业大学,华中农业大学,华中农业大学,华中农业大学,华中农业大学,

关键词：群养猪;RGB-D;双金字塔网络;特征融合;深度学习

基金：国家重点研发计划项目（2016YFD0500506）、中央高校自主创新基金项目（2662018JC003、2662018JC010、2662017JC028）和现代农业产业技术体系项目（CARS-35）

为实现群养猪的视觉追踪和行为监测，针对猪舍中仔猪因拥挤堆叠等习性而导致的目标个体粘连、图像分割困难问题，提出基于双金字塔网络的RGB-D群猪图像分割方法。该方法基于实例分割Mask R-CNN框架，在特征提取网络（ResNet101）基础上改进成双金字塔特征提取网络。RGB图像和Depth图像分别提取特征后进行融合，输入区域生成网络得到预选锚（ROI）和共享特征输入Head网络，通过类别、回归和掩模3个分支，输出检测目标的位置和分类结果，实现猪舍场景下群养仔猪粘连区域的有效个体分割。网络模型训练采用2000组图像样本，按照4∶1比例随机划分训练集和验证集。试验结果表明，双金字塔网络（Feature pyramid networks，FPN）能有效解决颜色相近、个体相似的群猪粘连问题，实现单个仔猪区域的完整分割，分割准确率达89.25%，训练GPU占有率为77.57%，与Mask R-CNN和PigNet网络分割结果相比，分割准确率和分割速度均有较大提高。双金字塔网络模型对于多种行为状态、不同粘连程度的群猪图像中个体分割都取得了良好效果，模型泛化性和鲁棒性较好，为群养猪的个体自动追踪提供了新的途径。

来源：2020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2020年第7期