典型文献
图像分割算法在肉鸡深度图集上的研究
文献摘要：
[目的]针对在复杂环境背景中难以识别分割多只肉鸡的问题,探讨基于深度学习实现对多只肉鸡深度图像分割的方法.[方法]利用深度相机,通过不同的拍摄角度(俯视、正视、侧视)在自然环境下采集肉鸡不同姿势(站立、俯卧、抬头、低头等)形态的深度图像,并使用CVAT标注软件对深度图像进行精确标注,建立肉鸡深度图数据集(含4058张深度图像).利用FCN、U-Net、PSPNet、DeepLab和Mask R-CNN等5种神经网络实现肉鸡深度图像的识别与分割,根据测试集得到预测结果,比较与评估不同模型的性能,实现对肉鸡深度图像的识别与分割.[结果]基于Mask R-CNN神经网络模型的识别分割准确率为98.96％,召回率为97.78％,调和平均数为95.03％,交并比为94.69％,4个指标值均为5个模型中的最优值.[结论]基于Mask R-CNN神经网络的算法简单快速,且能准确实现肉鸡的自动识别与分割,对肉鸡遮挡有较佳的鲁棒性,基本可以满足养殖场鸡群均匀度预测的识别分割要求.促进了计算机视觉在现代农业的应用,可为鸡群计数、鸡群均匀度预测以及肉鸡福利饲养等鸡场作业提供理论和实践基础.
文献关键词：
图像识别;图像分割;深度学习;深度图像;神经网络模型
中图分类号：
作者姓名：
李西明;赵泽勇;吴精乙;黄永鼎;高月芳;温嘉勇
作者机构：
华南农业大学数学与信息学院,广东 广州 510642
文献出处：
引用格式：
[1]李西明;赵泽勇;吴精乙;黄永鼎;高月芳;温嘉勇-.图像分割算法在肉鸡深度图集上的研究)[J].广东农业科学,2022(01):159-166
A类：
CVAT
B类：
图像分割算法,肉鸡,图集,复杂环境背景,多只,深度图像,深度相机,拍摄角度,俯视,侧视,姿势,站立,俯卧,抬头,低头,头等,图数据,张深,FCN,PSPNet,DeepLab,Mask,测试集,召回率,调和平均,平均数,交并比,指标值,最优值,自动识别,遮挡,较佳,养殖场,鸡群,均匀度,计算机视觉,现代农业,饲养,鸡场,实践基础,图像识别
AB值：
0.360572
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。
