基于全卷积网络的哺乳母猪图像分割-农业工程学报.PDFVIP

第 33 卷 第 23 期 农 业 工 程 学 报 Vol.33 No.23 2017 年 12 月 Transactions of the Chinese Society of Agricultural Engineering Dec. 2017 219 基于全卷积网络的哺乳母猪图像分割 1,2 1,2,3,4※ 5 1,3 1,2 杨阿庆 ，薛月菊 ，黄华盛 ，黄 宁 ，童欣欣 ， 朱勋沐 1,2 1 1,4 1,2 ，杨晓帆 ，毛 亮 ，郑 婵 （1. 华南农业大学电子工程学院，广州 510642 ；2. 广东省现代养猪数据化工程技术研究中心，广州 510642 ； 3. 广东省智慧果园科技创新中心，广州 510642 ；4. 广东省农情信息监测工程技术研究中心，广州 510642 ； 5. 华南农业大学工程学院，广州 510642 ） 摘 要：猪舍场景下，光照变化、母猪体表颜色不均及与环境颜色对比度不大、母猪与仔猪的粘连等，均给目标分割带 来很大的困难。该文提出了基于全卷积网络（FCN ，fully convolutional networks ）的哺乳母猪图像分割算法。以VGG16 为基础网络，采用融合深层抽象特征与浅层细节特征并将融合的特征图上采样 8 倍的跳跃式结构，设计哺乳母猪分割的 FCN 。利用Caffe 深度学习框架，以 7 栏伴有不同日龄仔猪的 3811 幅哺乳母猪训练样本进行母猪分割 FCN 训练，在另外 21 栏的 523 幅哺乳母猪测试集上的分割结果表明：该算法可有效避免光线变化、母猪颜色不均、小猪遮挡与粘连等影响， 实现完整的哺乳母猪区域分割；分割的平均准确率达到 99.28%，平均区域重合度达到 95.16%，平均速度达到 0.22 s/幅。 与深度卷积网络的 SDS （simultaneous detection and segmentation ）及传统的基于图论的图像分割、基于水平集的图像分割 方法做了对比试验，该文分割方法平均区域重合度分别比这 3 种方法高出 9.99、31.96 和 26.44 个百分点，有较好的泛化 性和鲁棒性，实现了猪舍场景下哺乳母猪准确、快速分割，可为猪只图像分割提供了技术参考。 关键词：图像分割；算法； 试验； 全卷积网络；哺乳母猪 doi ：10.11975/j.issn.1002-6819.2017.23.028 中图分类号：TP391 文献标志码：A 文章编号：1002-6819(2017)-23-0219-07 杨阿庆，薛月菊，黄华盛，黄 宁，童欣欣，朱勋沐，杨晓帆，毛 亮，郑 婵. 基于全卷积网络的哺乳母猪图像分割[J]. 农业工程学报，2017，33(23): 219－225. doi ：10.11975/j.issn.1002-6819.2017.23.028 Yang Aqing, Xue Yueju, Huang Huasheng, Huang Ning, Tong Xinxin, Zhu Xunmu, Yang Xiaofan, Mao Liang, Zheng Chan. Lactating sow image segmentation based on fully convolutional networks[J]. Transactions of the Chinese Society of A