农业机械学报

作者：刘冬，何东健，陈晨，STEIBEL Juan，SIEGFORD Janice，NORTON Tomas

单位：西北农林科技大学;鲁汶大学,西北农林科技大学,鲁汶大学;江苏大学,密西根州立大学,密西根州立大学,鲁汶大学,

关键词：群养猪;攻击行为识别;计算机视觉;活动指数;高斯混合模型;自适应学习率

基金：陕西省重点产业创新链（群）-农业领域项目(2019ZDLNY02-05)、国家重点研发计划项目(2017YFD0701603)、国家自然科学基金项目(31872399)和美国农业部国家食品与农业项目(2017-67007-26176)

群养猪攻击行为是评估猪群对微环境适应性的重要指标。活动指数模型能够描述猪群行为模式，已经在群养猪攻击行为识别研究中得到初步验证。然而，养殖设施的差异性和动态背景环境等因素所导致的环境适应性差是限制其商业化应用的主要障碍。本文基于递归背景建模思想，在高斯混合模型（GMM）中引入双曲正切函数，提出了一种自适应学习率GMM的活动指数计算方法（ALR-GMM），能够在动态背景环境下准确提取动物活动指数。与经典模型相比，平均相对误差从15.08%降到14.34%。育肥猪攻击行为识别试验中，采用ALR-GMM算法提取行为视频单元的活动指数特征，构建了活动指数最大值、平均值、方差和标准差特征向量，采用线性核函数支持向量机建立分类器。结果表明，本文算法的正确率、灵敏度、特效度和精度分别为97.6%、97.9%、97.7%和97.8%，满足实际应用需求。

来源：2021年第1期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2021年第1期