融合2D-3D卷积特征识别哺乳母猪姿态转换.pdfVIP

第 37 卷 第 9 期 农 业 工 程 学 报 Vol.37 No.9 230 2021 年 5 月 Transactions of the Chinese Society of Agricultural Engineering May 2021 融合 2D-3D 卷积特征识别哺乳母猪姿态转换 1 1 2 1 1 1※ 薛月菊 ，李诗梅 ，郑 婵 ，甘海明 ，李程鹏 ，刘洪山 （1. 华南农业大学电子工程学院，广州 510642 ；2. 华南农业大学数学与信息学院，广州 510642 ） 摘 要：母猪姿态转换影响仔猪存活率，且动作幅度与持续时间存在差异，准确识别难度大。该研究提出一种融合 2D-3D 卷积特征的卷积网络（2D+3D-CNet ，2D+3D Convolutional Network ）识别深度图像母猪姿态转换。以视频段为输入，引 入注意力机制 SE 模块和 3D 空洞卷积，以提升 3D 卷积网络姿态转换的时空特征提取能力，用 2D 卷积提取母猪的空间 特征；经特征融合后，动作识别分支输出母猪转换概率，姿态分类分支输出 4 类姿态概率，结合这两个输出结果识别 8 类姿态转换，减少了人工标注数据集的工作量；最后设计动作分数，优化母猪姿态转换的时间定位。在测试集上， 2D+3D-CNet 姿态转换识别精度为 97.95%、召回率为 91.67%、测试速度为 14.39 帧/s ，精度、召回率和时间定位精度均 高于 YOWO 、FRCNN-HMM 和 MOC-D 方法。该研究结果实现了母猪姿态转换高精度识别。 关键词：神经网络：卷积；时空特征融合；动作识别；姿态转换；时间定位 doi ：10.11975/j.issn.1002-6819.2021.09.026 中图分类号：TP391 文献标志码：A 文章编号：1002-6819(2021)-09-0230-08 薛月菊，李诗梅，郑婵，等. 融合 2D-3D 卷积特征识别哺乳母猪姿态转换[J]. 农业工程学报，2021，37(9)：230-237. doi ：10.11975/j.issn.1002-6819.2021.09.026 Xue Yueju, Li Shimei, Zheng Chan, et al. Posture change recognition of lactating sow by using 2D-3D convolution feature fusion[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(9): 230-237. (in Chinese with English abstract) doi ：10.11975/j.issn.1002-6819.2021.09.026 高度变化幅度不尽相同，HMM 未充分利用母猪形状特 0 引 言 