基于改进实例分割算法的智能猪只盘点系统设计

作     者：胡云鸽 苍岩 乔玉龙 Hu Yunge;Cang Yan;Qiao Yulong

作者机构：哈尔滨工程大学信息与通信工程学院哈尔滨150001 北京小龙潜行科技有限公司北京100086 

基　　金：国家自然科学基金项目(61871142) 

出 版 物：《农业工程学报》 (Transactions of the Chinese Society of Agricultural Engineering)

年 卷 期：2020年第36卷第19期

页      码：177-183页

摘      要：基于图像处理的动物资产计数方法,不仅可以减少人工投入,还可以缩短生物资产的计数周期,但该方法受光照条件影响严重,并且当动物间相互挤压、遮挡时,计数精度较差。针对这些问题,该研究提出了一种基于图像实例分割算法的生猪计数网络。针对光照和目标边缘模糊问题,利用拉普拉斯算子进行图像预处理。对Mask R-CNN网络的特征提取网络进行改进,在原始特征金字塔网络(Feature Pyramid Network,FPN)后面增加一条自底向上的增强路径,直接将低层边缘位置特征与高层特征相融合,提高对目标边缘轮廓的识别能力,对非极大值抑制过程和损失函数进行优化和改进,以提高分割精度。在河北丰宁、吉林金源和内蒙古正大3个试验猪场进行测试,验证本文网络的计数精度。采集设备在3个试验猪场共采集2400张图像,经图像预处理去除模糊和光线差的图像,从剩余的图像中随机选取共1250张图像作为原始数据集,其中丰宁猪场500张、金源猪场500张,正大猪场250张。将各猪场的原始数据集分别按2:2:1的比例分为3部分,包括训练集905张,验证集95张,测试集250张,对原始训练集和验证集进行数据增强,最终得到训练集图像1500张,验证集图像150张,测试集图想250张。河北和吉林的试验猪场,每栏猪只数目为12~22头,各测试100张图像,完全准确清点的图像比例分别为98%和99%,满足实际应用要求。内蒙古试验猪场的单栏猪只密度大,每栏猪只数目平均80头,测试50张图像,完全准确清点的图像比例为86%。该研究所提出的猪只盘点系统,通过修改网络增强图像中目标特征信息提取和优化边界框回归过程,减少由于光线差和遮挡导致的目标漏检情况,解决了基于图像分割算法的猪只盘点中光照、模糊以及遮挡等问题,能够满足单栏饲养密度为1.03~1.32头/m^2的养殖场的猪只盘点需求。

主 题 词：图像处理 算法 目标检测 实例分割 猪只计数 深度学习 特征金字塔网络 

学科分类：0710[理学-生物科学类] 081203[081203] 08[工学] 0802[工学-机械学] 0835[0835] 0801[工学-力学类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.11975/j.issn.1002-6819.2020.19.020

馆 藏 号：203996307...