共查询到10条相似文献，搜索用时 531 毫秒
1.
多目标肉牛进食行为识别方法研究 总被引：2，自引：0，他引：2
基于计算机视觉技术，借助已有系统获得肉牛进食行为数据，并与体重变化、健康状况等进行关联分析，对肉牛科学养殖具有重要意义。为此提出了一种基于机器视觉的肉牛进食行为识别方法。该方法采用YOLOv3模型对观测范围内的肉牛目标进行检测，利用卷积神经网络识别单个目标的进食行为，进而实现对多目标肉牛进食行为的识别。卷积操作时，利用填充（padding）增强网络对目标边缘特征的提取能力；使用修正线性单元（ReLU）为激活函数，防止梯度消失；采用丢弃（dropout）方法提高网络的泛化能力。获取实际肉牛养殖场的监控视频，构建数据集，分别在8组测试集上进行试验，本文方法对观测范围内肉牛目标检测的平均精确度为83.8%，进食行为识别的平均精确度为79.7%、平均召回率为73.0%、平均准确率为74.3%，能够满足肉牛进食行为的监测需求。基于YOLOv3模型和卷积神经网络的多目标肉牛进食行为识别方法具有较高的准确性，为肉牛行为非接触式监测提供了新的途径。 相似文献
2.
果园农药施用情况是果品质量安全的重要检验标准，农药喷施行为的可靠记录是果品溯源体系的重要环节。针对我国目前常见的果品种植专业合作社中难以确切掌握农药施用真实情况的问题，本研究提出了一种基于人体姿态估计与场景交互的果园背负式喷施行为检测方法。首先采用微调后的YOLO v5模型完成背负式喷雾器与果树目标的精确检测，提取场景交互特征；之后采用OpenPose模型识别喷施人员姿态及动作信息，提取人体姿态特征；最后对上述特征分别进行距离和角度计算，将其融合为11 244组特征向量并使用优化后的支持向量机(Support vector machine, SVM)进行训练，完成果园喷施行为的准确检测。为了验证算法的有效性，对包含不同光照、不同距离、不同人数和不同遮挡程度等的92段视频进行了测试。试验结果表明，该算法的准确度为85.66%,平均绝对误差为42.53%,均方根误差为44.59%,预测标准偏差为44.34%,以及性能偏差比为1.56。同时，本研究对不同光照、遮挡、距离变化和多人中单人喷施情况下的果园喷施行为识别的有效性进行了分析。试验结果表明，将该模型用于果园喷施行为的检测是可行的，本研究... 相似文献
3.
蛋鸭行为模式是判断笼养鸭养殖过程中健康状况及福利状态的重要指标，为了通过机器视觉实现识别蛋鸭多行为模式，提出了一种基于改进YOLO v4 (You only look once)的目标检测算法，不同的行为模式为蛋鸭的养殖管理方案提供依据。本文算法通过更换主干特征提取网络MobileNetV2,利用深度可分离卷积模块，在提升检测精度的同时降低模型参数量，有效提升检测速度。在预测输出部分引入无参数的注意力机制SimAM模块，进一步提升模型检测精度。通过使用本文算法对笼养蛋鸭行为验证集进行了检测，优化后模型平均精度均值达到96.97%,图像处理帧率为49.28 f/s,相比于原始网络模型，平均精度均值及处理速度分别提升5.03%和88.24%。与常用目标检测网络进行效果对比，改进YOLO v4网络相较于Faster R-CNN、YOLO v5、YOLOX的检测平均精度均值分别提升12.07%、30.6%及2.43%。将本文提出的改进YOLO v4网络进行试验研究，试验结果表明本文算法可以准确地对不同时段的笼养蛋鸭行为进行记录，根据蛋鸭表现出的不同行为模式来帮助识别蛋鸭的异常情况，如部分行为发... 相似文献
4.
基于改进DeepSORT的群养生猪行为识别与跟踪方法 总被引：1，自引：0，他引：1
为改善猪只重叠与遮挡造成的猪只身份编号（Identity,ID）频繁跳变,在YOLO v5s检测算法基础上,提出了改进DeepSORT行为跟踪算法。该算法改进包括两方面：一针对特定场景下猪只数量稳定的特点,改进跟踪算法的轨迹生成与匹配过程,降低ID切换次数,提升跟踪稳定性;二将YOLO v5s检测算法中的行为类别信息引入跟踪算法中,在跟踪中实现准确的猪只行为识别。实验结果表明,在目标检测方面,YOLO v5s的mAP为99.3%,F1值为98.7%。在重识别方面,实验的Top-1准确率达到99.88%。在跟踪方面,改进DeepSORT算法的MOTA为91.9%,IDF1为89.2%,IDS为33;与DeepSORT算法对比,MOTA和IDF1分别提升了1.0、16.9个百分点,IDS下降了83.8%。改进DeepSORT算法在群养环境下能够实现稳定ID的猪只行为跟踪,能够为无接触式的生猪自动监测提供技术支持。 相似文献
5.
基于混合高斯模型的移动奶牛目标实时检测 总被引：2，自引：0，他引：2
针对奶牛养殖场背景复杂和环境多变导致现有的目标检测算法无法满足鲁棒性和实时性需求的问题,基于递归背景建模思想,在混合高斯模型中引入惩罚因子,提出了一种动态背景建模方法,采用局部更新策略,以降低模型复杂度和解决前景消融问题;提出基于色度偏差和亮度偏差的二分类算法,避免目标物阴影区域的影响。对不同天气及环境变化剧烈情况下获取的奶牛视频样本进行实验。结果表明,与混合高斯模型相比,平均模型复杂度降低了50.85%,前景误检率和背景误检率分别降低了19.50和13.37个百分点,单帧运行时间降低了29.25%,检测准确率更高、实时性更好,且解决了前景消融问题,能满足在复杂背景和环境条件下实时提取奶牛目标的要求。 相似文献
6.
针对鸡只呼吸困难这一早期呼吸道疾病显著症状难以检测的问题,提出一种基于YOLO v5与短时跟踪的鸡只呼吸道疾病早期检测方法。对YOLO v5算法进行锚框自适应设置与CIoU Loss (Complete IoU Loss)应用等特定优化后,用于群鸡复杂环境中准确识别鸡头目标并检测是否为张口状态。根据鸡头坐标框交并比实现鸡头目标短时跟踪并获取不同鸡头的短时动作序列,再对动作序列进行分析,判断张口-闭口组合出现的频率,动态检测是否存在鸡只呼吸困难情况。实验结果表明,改进YOLO v5算法检测鸡头目标的mAP为80.1%,张口检测准确率为67.3%,闭口检测准确率为92.8%,基于时间序列的呼吸困难行为检测方法的识别准确率为91.8%,召回率为75%,精准率为67.9%,可为群鸡养殖环境中的鸡只早期呼吸道疾病检测提供参考。 相似文献
7.
鱼的行为变化除了可以反映其自身健康状况外,还对分析水质变化具有重要意义,而精确、快速的鱼体目标检测是行为变化分析的基础。针对现有多目标鱼体检测算法存在检测定位精确度低的问题,提出了一种简单、有效的多目标鱼体对象提议检测算法。提取鱼体图像的骨架和边缘信息,制定新的窗口打分策略生成候选窗口,训练PCA卷积核提取鱼体图像前景和背景特征,利用支持向量机（Support vector machine,SVM）识别得到鱼体目标所在的候选窗口,运用非极大值抑制算法剔除冗余窗口完成目标检测。实验表明,基于新的窗口打分策略生成的候选窗口比Edge Boxes算法得到的候选窗口具有更高的召回率,召回率最高可达96.9%,对候选窗口的最高识别准确率可达95.71%。通过本文算法和Edge Boxes-PCANet算法得到的漏检率、误检率和平均检测时间表明,本文算法的综合表现更优,说明本文算法可以高效精确地实现多目标鱼体检测。 相似文献
8.
面向复杂背景环境目标的快速识别研究 总被引：1，自引：0，他引：1
面向复杂背景环境的定位目标的快速识别是野外作业机器人的关键技术,以柑橘为例,研究了自然环境下基于彩色信息的目标定位的识别方法。首先,采用YCbCr颜色模型来分析柑橘彩色图像的颜色和灰度特征,并通过Otsu与FCM分割算法相结合对在不同光照条件下拍摄的彩色目标图像进行分割;然后,利用形态学数学和区域标记消除分割后产生的随机噪声;最后,用凸包算法提取果实形状特征,并通过凸包算法来判定是否为柑橘和是否可采。对500张彩色柑橘图像进行分割,结果表明采用Cr颜色分量和Otsu与FCM算法相结合有效地解决复杂自然光照下的分割问题;对963个柑橘进行了凸包算法识别试验,总体识别率达87.53%。凸包算法对遮挡图像也可进行高效识别,并能快速、准确地提取柑橘目标的质心坐标。 相似文献
9.
基于加速度传感器的本交笼种鸡个体行为监测与识别 总被引：1，自引：0，他引：1
为了监测种鸡行为、了解鸡群的健康状况,实现本交笼养下种鸡个体行为的自动识别,设计了一种基于九轴加速度传感器和蓝牙无线传输的本交笼种鸡个体行为实时监测系统。采用小波sym降噪对原始数据预处理,根据不同行为的加速度曲线波动性提取加速度数据特征值,利用K-means聚类算法对行为特征进行识别,得到稳定的聚类中心;进行了加速度传感器读写距离测试和以充电宝、锂电池作为供电设备的供电情况对比;同时利用视频监控验证种鸡的5种行为。结果表明,该系统能够快速且连续不间断地采集本交笼种鸡个体行为信息,准确识别种鸡个体的多种行为,采食行为平均识别精度为94.31%,饮水行为平均识别精度为92.53%,打斗行为平均识别精度为84.03%,交配行为平均识别精度为72.00%,振翅行为平均识别精度为9231%。本研究有助于无损、快速识别种鸡个体行为,为本交笼养模式配套设施设备优化设计和高效管理提供科学依据。 相似文献
10.
基于视频追踪的猪只运动快速检测方法 总被引：3，自引：0，他引：3
自然条件下猪只日常运动时间、距离、速度等构成的运动数据,可作为猪只健康与舒适度状况分析的重要依据。为快速准确地捕获及检测猪场猪只的各种运动信息,探讨了基于视频追踪的猪只运动信息检测方法,该方法在基于颜色特征与轮廓特征相结合的多猪只目标分割基础上,通过基于最小化代价函数的椭圆拟合和最短距离匹配的目标跟踪,设计了运动位移、运动速度、运动加速度和运动角速度4个运动信息的检测算法。进一步探索了基于运动信息检测猪只日常活跃状态、活动规律及行为识别方面的初步应用。试验结果表明,该算法能够识别多种颜色的纯色猪只;分割粘连猪只成功率达92.6%;通过连续4 d在广州市力智猪场种猪室实时视频测试表明,猪只日常活跃状态、活动规律和行为类别等信息均可通过猪只运动信息表现出来。所提方案可快速、有效检测猪只运动信息,为猪只行为分析、健康与舒适度评估提供了依据。 相似文献