基于Faster-RCNN的肉鸡击晕状态检测方法

摘要：

为了准确识别屠宰加工中肉鸡的击晕状态,提出了一种基于快速区域卷积神经网络的肉鸡击晕状态检测方法.对输入图像进行归一化处理,通过卷积神经网络(VGG16)提取肉鸡的卷积特征图,利用区域建议网络提取预测框,在卷积特征图上采用非极大值抑制算法去除重复表述的预测框;将所得的各预测框映射到卷积特征图上,得到预测框在卷积特征图上的候选区域,将其输入感兴趣区域池化层;通过感兴趣区域池化层将大小不一的候选区域进行池化操作、得到统一的输出数据,最后通过全连接层与柔性最大值分类器,输出各击晕类别的概率和预测框的坐标.将2319个样本图像按2∶1的比例随机分为训练集与测试集,对模型进行训练与实验验证.结果 表明,本文建立的基于Faster-RCNN的肉鸡击晕状态分类模型对773个测试集肉鸡样本击晕状态分类的总准确率达到96.51％,对肉鸡击晕状态的预测速度可达每小时37000只,基本满足肉鸡屠宰生产线要求.

关键词：肉鸡、电击晕、击晕状态、卷积神经网络、深度学习

所属期刊栏目：50

分类号：S24;TS251.8(农业电气化与自动化)

资助基金：“十二五”国家科技支撑计划项目;国家肉鸡产业技术体系项目

在线出版日期：2020-04-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：255-259