多目标肉牛进食行为识别方法研究

摘要：

基于计算机视觉技术,借助已有系统获得肉牛进食行为数据,并与体重变化、健康状况等进行关联分析,对肉牛科学养殖具有重要意义.为此提出了一种基于机器视觉的肉牛进食行为识别方法.该方法采用YOLOv3模型对观测范围内的肉牛目标进行检测,利用卷积神经网络识别单个目标的进食行为,进而实现对多目标肉牛进食行为的识别.卷积操作时,利用填充(padding)增强网络对目标边缘特征的提取能力;使用修正线性单元(ReLU)为激活函数,防止梯度消失;采用丢弃(dropout)方法提高网络的泛化能力.获取实际肉牛养殖场的监控视频,构建数据集,分别在8组测试集上进行试验,本文方法对观测范围内肉牛目标检测的平均精确度为83.8％,进食行为识别的平均精确度为79.7％、平均召回率为73.0％、平均准确率为74.3％,能够满足肉牛进食行为的监测需求.基于YOLOv3模型和卷积神经网络的多目标肉牛进食行为识别方法具有较高的准确性,为肉牛行为非接触式监测提供了新的途径.

关键词：肉牛、进食行为、目标检测、图像识别、卷积神经网络

所属期刊栏目：51

分类号：TP391.41;S24(计算技术、计算机技术)

资助基金：宁夏自治区重点研发计划项目;宁夏智慧农业产业技术协同创新中心项目;国家自然科学基金项目;国家重点研发计划项目

在线出版日期：2020-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：259-267