农业机械学报

作者：赵凯旋，刘晓航，姬江涛

单位：河南科技大学,河南科技大学,河南科技大学,

关键词：奶牛;体况评分;凸包特征;EfficientNet网络;深度学习

基金：国家重点研发计划项目(2019YFE0125600)、国家自然科学基金项目（32002227）和河南省科技攻关项目（192102110089）

为进一步提高奶牛体况自动评分精度，构建了一种基于点云凸包距离的三维结构特征图，将其作为EfficientNet深度学习网络的输入，可实现奶牛体况自动评分误差在0.25以内识别的准确率提升。首先，对获取的奶牛背部深度图像进行预处理，得到含有主要体况信息从奶牛腰角骨到臀骨区域的点云；其次，对点云进行体素化和凸包化，计算每个外围体素到最近凸包面之间的距离，并投影至X-Y平面上，得到结构特征图；构建EfficientNet网络分类模型，采用鲸鱼优化算法(Whale optimization algorithm, WOA)对其缩放系数进行优化；最后，利用77头奶牛的5119幅深度图像对模型进行训练、验证与测试，数据集比例为5∶3∶2。结果表明，奶牛体况评分（BCS）范围在2.25~4.00内，测试集中EfficientNet模型精准识别的图像达到73.12%，BCS识别误差在0.25和0.50以内的图像占比分别为98.6%和99.31%，平均识别速率为3.441s/f，识别效果优于MobileNet-V2、XceptionNet和LeNet-5等模型。该方法可实现规模化养殖场中奶牛个体体况的无接触评定，具有精度高、适用性强、成本低等特点。

来源：2021年第5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5期