基于深层卷积神经网络的初生仔猪目标实时检测方法

查看全文 作　　者：[1,2]沈明霞;[1,2]太猛;CEDRIC [1,2]Okinda;[1,2]刘龙申;[1,2]李嘉位;[1,2]孙玉文

机构地区：[1]南京农业大学工学院,南京210031;[2]江苏省智能化农业装备重点实验室,南京210031

出　　处：《农业机械学报》索引2019年第50卷第8期,共10页

基　　金：政府间国际科技创新合作重点专项(2017YFE0114400);国家自然科学基金青年基金项目(31802106) 摘　　要：针对初生仔猪目标较小、分娩栏内光线变化复杂、仔猪粘连和硬性遮挡现象较为严重等问题,提出一种基于深层卷积神经网络的初生仔猪目标识别方法。将分类和定位合并为一个任务,以整幅图像为兴趣域,利用特征金字塔网络(Feature pyramid network,FPN)算法定位识别仔猪目标;对比了不同通道数数据集以及不同迭代次数对模型效果的影响;该方法支持图像批量处理、视频与监控录像的实时检测和检测结果多样化储存。实验结果表明:在数据集总量相同时,同时包含夜间单通道和白天3通道的数据集,在迭代20 000次时接近模型最优值。模型在验证集和测试集上的精确率分别为95.76%和93.84%,召回率分别为95.47%和94.88%,对分辨率为500像素×375像素的图像检测速度为53.19 f/s,对清晰度为720 P的视频检测速度为22 f/s,可满足实时检测的要求,对全天候多干扰场景表现出良好的泛化能力。 关键词：初生仔猪实时检测深层卷积神经网络 FPN算法

相关文献

参考文献（34）
引证文献（28）
耦合文献（387）

参考文献(34)

引证文献(28)

耦合文献(387)

互联网出版许可证新出网证(渝)字10号全国400电话 - 免长途话费

基于深层卷积神经网络的初生仔猪目标实时检测方法

参考文献(34)

引证文献(28)

耦合文献(387)

用户提示