基于自注意力机制与无锚点的仔猪姿态识别

摘要：

在猪场养殖过程中,仔猪姿态识别对其健康状况和环境热舒适度监测有重要意义.仔猪个体较小,喜欢聚集、扎堆,且姿态随意性较大,给姿态识别带来困难.为此,该研究结合Transformer网络与无锚点目标检测头,提出了一种新的仔猪姿态识别模型TransFree(Transformer+Anchor-Free).该模型使用Swin Transformer作为基础网络,提取仔猪图像的局部和全局特征,然后经过一个特征增强模块(Feature Enhancement Module,FEM)进行多尺度特征融合并得到高分辨率的特征图,最后将融合后的特征图输入Anchor-Free检测头进行仔猪的定位和姿态识别.以广东佛山市某商业猪场拍摄的视频作为数据源,从12个猪栏的拍摄视频中选取9栏作为训练集,3栏作为测试集,训练集中仔猪的俯卧、侧卧和站立3类姿态总计19929个样本,测试集中3类姿态总计5150个样本.在测试集上,TransFree模型的仔猪姿态识别精度达到95.68％,召回率达到91.18％,F1-score达到93.38％;相较于CenterNet、Faster R-CNN和YOLOX-L目标检测网络,F1-score分别提高了2.32、4.07和2.26个百分点.该文提出的TransFree模型实现了仔猪姿态的高精度识别,为仔猪行为识别提供了技术参考.

关键词：图像识别、模型、仔猪、姿态识别、Swin Transformer、无锚点目标检测

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：广东省科技计划项目;广东省普通高校重点领域专项

在线出版日期：2022-10-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：166-173