饮用水作为提高生猪养殖产量和质量的一个重要因素,有必要进行全天候的监控。传统的饮水识别主要采用射频识别(radio frequency identification,简称RFID)技术,该方法须要为猪只佩带耳标,在一定程度上不利于猪只的身体健康。因此,针对...饮用水作为提高生猪养殖产量和质量的一个重要因素,有必要进行全天候的监控。传统的饮水识别主要采用射频识别(radio frequency identification,简称RFID)技术,该方法须要为猪只佩带耳标,在一定程度上不利于猪只的身体健康。因此,针对猪只饮水时的标准站立姿态,采集俯视群养猪图像并结合计算机视觉技术,提出基于轮廓的猪只饮水行为识别。该方法首先针对饮水区域内的猪个体进行轮廓提取,然后对该轮廓进行多边形近似,并提取相关的特征,最后计算2个轮廓之间的相似度,从而完成轮廓的匹配;选取满足条件的430帧视频图像作为样本进行试验,其中30帧作为训练样本,剩余400帧作为测试样本。结果表明,本算法的综合识别率达93.75%。因此,本方法切实可行,同时该研究可为探索畜牧的行为识别方法提供新的思路。展开更多
计算机视觉技术越来越多地应用于生猪饮水等行为识别中,以判断生猪健康状况。现有的饮水识别方法主要依赖目标轮廓,而传统的阈值分割方式受光照、噪点等因素影响较大,提取的轮廓不够精确。提出一种基于深度学习目标检测算法YOLO(You Onl...计算机视觉技术越来越多地应用于生猪饮水等行为识别中,以判断生猪健康状况。现有的饮水识别方法主要依赖目标轮廓,而传统的阈值分割方式受光照、噪点等因素影响较大,提取的轮廓不够精确。提出一种基于深度学习目标检测算法YOLO(You Only Look Once,YOLO)的生猪行为识别方法,根据生猪位置与饮水区的关系以及是否处于静止状态综合判断其饮水行为。该方法不依赖目标轮廓,且无复杂的手动特征提取过程。在深度学习框架tensorflow上进行群养猪检测、定位以及饮水行为识别。实验证明,该算法比基于轮廓的饮水识别算法精度提高3%,达到94.0%。展开更多
文摘饮用水作为提高生猪养殖产量和质量的一个重要因素,有必要进行全天候的监控。传统的饮水识别主要采用射频识别(radio frequency identification,简称RFID)技术,该方法须要为猪只佩带耳标,在一定程度上不利于猪只的身体健康。因此,针对猪只饮水时的标准站立姿态,采集俯视群养猪图像并结合计算机视觉技术,提出基于轮廓的猪只饮水行为识别。该方法首先针对饮水区域内的猪个体进行轮廓提取,然后对该轮廓进行多边形近似,并提取相关的特征,最后计算2个轮廓之间的相似度,从而完成轮廓的匹配;选取满足条件的430帧视频图像作为样本进行试验,其中30帧作为训练样本,剩余400帧作为测试样本。结果表明,本算法的综合识别率达93.75%。因此,本方法切实可行,同时该研究可为探索畜牧的行为识别方法提供新的思路。
文摘计算机视觉技术越来越多地应用于生猪饮水等行为识别中,以判断生猪健康状况。现有的饮水识别方法主要依赖目标轮廓,而传统的阈值分割方式受光照、噪点等因素影响较大,提取的轮廓不够精确。提出一种基于深度学习目标检测算法YOLO(You Only Look Once,YOLO)的生猪行为识别方法,根据生猪位置与饮水区的关系以及是否处于静止状态综合判断其饮水行为。该方法不依赖目标轮廓,且无复杂的手动特征提取过程。在深度学习框架tensorflow上进行群养猪检测、定位以及饮水行为识别。实验证明,该算法比基于轮廓的饮水识别算法精度提高3%,达到94.0%。
