典型文献
改进帧间差分-深度学习识别群养猪只典型行为
文献摘要：
群养猪行为是评估猪群对环境适应性的重要指标.猪场环境中,猪只行为识别易受不同光线和猪只粘连等因素影响,为提高群养猪只行为识别精度与效率,该研究提出一种基于改进帧间差分-深度学习的群养猪只饮食、躺卧、站立和打斗等典型行为识别方法.该研究以18只50～115日龄长白猪为研究对象,采集视频帧1117张,经图像增强共得到4468张图像作为数据集.首先,选取Faster R-CNN、SSD、Retinanet、Detection Transformer和YOLOv5五种典型深度学习模型进行姿态检测研究,通过对比分析,确定了最优姿态检测模型;然后,对传统帧间差分法进行了改进,改进后帧间差分法能有效提取猪只完整的活动像素特征,使检测结果接近实际运动猪只目标;最后,引入打斗活动比例(Proportion of Fighting Activities,PFA)和打斗行为比例(Proportion of Fighting Behavior,PFB)2个指标优化猪只打斗行为识别模型,并对模型进行评价,确定最优行为模型.经测试,YOLOv5对群养猪只典型姿态检测平均精度均值达93.80％,模型大小为14.40 MB,检测速度为32.00帧/s,检测速度满足姿态实时检测需求,与Faster R-CNN、SSD、Retinanet和Detection Transformer模型相比,YOLOv5平均精度均值分别提高了1.10、3.23、4.15和21.20个百分点,模型大小分别减小了87.31％、85.09％、90.15％和97.10％.同时,当两个优化指标PFA和PFB分别设置为10％和40％时,猪只典型行为识别结果最佳,识别准确率均值为94.45％.结果表明,该方法具有准确率高、模型小和识别速度快等优点.该研究为群养猪只典型行为精准高效识别提供方法参考.
文献关键词：
深度学习;识别;群养猪只;姿态检测
中图分类号：
作者姓名：
曾繁国;朱君;王海峰;贾楠;赵宇亮;赵文文;李斌
作者机构：
北京市农林科学院智能装备技术研究中心,北京 100097;国家农业智能装备工程技术研究中心,北京 100097
文献出处：
引用格式：
[1]曾繁国;朱君;王海峰;贾楠;赵宇亮;赵文文;李斌-.改进帧间差分-深度学习识别群养猪只典型行为)[J].农业工程学报,2022(15):170-178
A类：
群养猪只,猪只行为,PFB
B类：
猪群,环境适应性,猪场,行为识别,光线,粘连,识别精度,精度与效率,躺卧,站立,打斗,日龄,长白猪,视频帧,经图,图像增强,Faster,SSD,Retinanet,Detection,Transformer,YOLOv5,深度学习模型,姿态检测,最优姿态,检测模型,帧间差分法,有效提取,像素,Proportion,Fighting,Activities,PFA,Behavior,指标优化,识别模型,行为模型,平均精度均值,MB,检测速度,实时检测,百分点,优化指标,识别准确率,精准高效
AB值：
0.306658
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。
