典型文献
基于姿态与时序特征的猪只行为识别方法
文献摘要：
生猪行为监测是生猪养殖管理过程中的一个重要环节.该研究提出了基于姿态与时序特征的猪只行为识别方法.首先采集和标注猪栏内猪只图像,分别构建了猪只目标检测数据集、猪只关键点数据集和猪只行为识别数据集;利用构建的数据集,分别训练了基于YOLOv5s的猪只检测模型、基于轻量化OpenPose算法的猪只姿态估计模型和基于ST-GCN算法的猪只行为识别模型,并搭建了猪只行为识别系统.经测试,文中训练的YOLOv5s猪只检测模型mAP(mean Average Precision)最高达到0.995,姿态估计模型平均精度和平均召回率达到93％以上,基于ST-GCN的猪只行为识别模型的平均准确率为86.67％.文中构建的猪只行为识别系统中基于LibTorch推理猪只检测模型和猪只姿态估计模型的单帧推理耗时分别约为14和65 ms,单只猪行为识别推理耗时约为8 ms,每提取200帧连续姿态进行一次行为识别推理,平均17 s更新一次行为识别结果.证明提出的基于姿态与时序特征的猪只行为识别方法具有一定可行性,为群养猪场景下的猪只行为识别提供了思路.
文献关键词：
图像识别;深度学习;姿态估计;时序特征;行为识别;猪只行为
中图分类号：
作者姓名：
董力中;孟祥宝;潘明;朱熠;梁宇斌;高翔;刘红刚
作者机构：
深圳市现代农业装备研究院,深圳 518022;农业农村部华南现代农业智能装备重点实验室,广州 510635;广东省现代农业装备研究所,广州 510635
文献出处：
引用格式：
[1]董力中;孟祥宝;潘明;朱熠;梁宇斌;高翔;刘红刚-.基于姿态与时序特征的猪只行为识别方法)[J].农业工程学报,2022(05):148-157
A类：
猪只行为,LibTorch
B类：
时序特征,行为监测,生猪养殖管理,猪栏,栏内,目标检测,检测数据集,别数,YOLOv5s,检测模型,OpenPose,姿态估计,ST,GCN,识别模型,行为识别系统,mAP,mean,Average,Precision,模型平均,召回率,平均准确率,单帧,ms,养猪场,图像识别
AB值：
0.209175
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
