期刊导航
期刊开放获取
重庆大学
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于隐马尔科夫模型的深度视频哺乳母猪高危动作识别
被引量：
11
1
作者
薛月菊
杨晓帆
+3 位作者
郑婵
陈畅新
甘海明
李诗梅
《农业工程学报》
EI
CAS
CSCD
北大核心
2019年第13期184-190,共7页
哺乳母猪的高危动作和仔猪存活率有密切关系,能直接体现其母性行为能力,而这些高危动作又与其姿态转换的频率、持续时间等密切相关。针对猪舍环境下,环境光线变化、母猪与仔猪黏连、猪体形变等给哺乳母猪姿态转换识别带来的困难。该文...
哺乳母猪的高危动作和仔猪存活率有密切关系,能直接体现其母性行为能力,而这些高危动作又与其姿态转换的频率、持续时间等密切相关。针对猪舍环境下,环境光线变化、母猪与仔猪黏连、猪体形变等给哺乳母猪姿态转换识别带来的困难。该文以梅花母猪为研究对象,以Kinect2.0采集的深度视频图像为数据源,提出基于Faster R-CNN和隐马尔科夫模型的哺乳母猪姿态转换识别算法,通过FasterR-CNN产生候选区域,并采用维特比算法构建定位管道;利用Otsu分割和形态学处理提取疑似转换片段中母猪躯干部、尾部和身体上下两侧的高度序列,由隐马尔科夫模型识别姿态转换。结果表明,对姿态转换片段识别的精度为93.67%、召回率为87.84%。研究结果可为全天候母猪行为自动识别提供技术参考。
展开更多
关键词
图像处理
算法
模型
高危动作
哺乳母猪
FASTER
R-CNN
隐马尔科夫模型
定位管道
下载PDF
职称材料
基于时空信息融合的母猪哺乳行为识别
被引量：
10
2
作者
甘海明
薛月菊
+3 位作者
李诗梅
杨晓帆
陈畅新
区铭强
《农业机械学报》
EI
CAS
CSCD
北大核心
2020年第S01期357-363,共7页
及时获取准确的母猪哺乳行为信息对提高猪只集中养殖效益至关重要。本文旨在建立深度学习网络,融合时空信息,实现自动识别母猪哺乳行为。识别过程主要分2个阶段:母猪哺乳区域时空定位和哺乳区域时空信息特征提取、融合及识别。首先将俯...
及时获取准确的母猪哺乳行为信息对提高猪只集中养殖效益至关重要。本文旨在建立深度学习网络,融合时空信息,实现自动识别母猪哺乳行为。识别过程主要分2个阶段:母猪哺乳区域时空定位和哺乳区域时空信息特征提取、融合及识别。首先将俯拍视频图像序列输入Mask RCNN,ResNet101+FPN作为基础网络输出特征图输入区域生成网络,生成母猪检测候选框并分别输入母猪姿态识别分支和关键点检测分支,若母猪姿态被识别为侧卧则利用关键点检测分支输出关键点坐标,确定母猪哺乳区域,实现哺乳行为感兴趣时空区域定位。然后,在感兴趣时空区域中,利用双流卷积网络,进行时间流和空间流特征提取。最后利用串接卷积融合方式,识别序列图像中母猪是否进行哺乳。试验结果显示,用于哺乳区域空间定位的关键点的综合召回率Rk和精准率Pk分别为94.37%和94.53%,母猪哺乳行为识别正确率为97.85%,灵敏度为94.92%,特异度为98.51%。
展开更多
关键词
母猪
哺乳行为
关键点检测
时空信息
双流卷积网络
下载PDF
职称材料
题名
基于隐马尔科夫模型的深度视频哺乳母猪高危动作识别
被引量：
11
1
作者
薛月菊
杨晓帆
郑婵
陈畅新
甘海明
李诗梅
机构
华南农业大学电子工程学院
华南农业大学数学与信息学院
出处
《农业工程学报》
EI
CAS
CSCD
北大核心
2019年第13期184-190,共7页
基金
国家科技支撑计划（2015BAD06B03-3）
广东省科技计划项目（2015A020209148）
+2 种基金
广东省应用型科技研发项目（2015B010135007）
广州市科技计划项目（201605030013）
广州市科技计划项目（201604016122）
文摘
哺乳母猪的高危动作和仔猪存活率有密切关系,能直接体现其母性行为能力,而这些高危动作又与其姿态转换的频率、持续时间等密切相关。针对猪舍环境下,环境光线变化、母猪与仔猪黏连、猪体形变等给哺乳母猪姿态转换识别带来的困难。该文以梅花母猪为研究对象,以Kinect2.0采集的深度视频图像为数据源,提出基于Faster R-CNN和隐马尔科夫模型的哺乳母猪姿态转换识别算法,通过FasterR-CNN产生候选区域,并采用维特比算法构建定位管道;利用Otsu分割和形态学处理提取疑似转换片段中母猪躯干部、尾部和身体上下两侧的高度序列,由隐马尔科夫模型识别姿态转换。结果表明,对姿态转换片段识别的精度为93.67%、召回率为87.84%。研究结果可为全天候母猪行为自动识别提供技术参考。
关键词
图像处理
算法
模型
高危动作
哺乳母猪
FASTER
R-CNN
隐马尔科夫模型
定位管道
Keywords
image processing
algorithms
models
high-dangerous body movement
lactating sows
Faster R-CNN
HMM(hidden Markov model)
action tube
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于时空信息融合的母猪哺乳行为识别
被引量：
10
2
作者
甘海明
薛月菊
李诗梅
杨晓帆
陈畅新
区铭强
机构
华南农业大学电子工程学院
岭南现代农业科学与技术广东省实验室
出处
《农业机械学报》
EI
CAS
CSCD
北大核心
2020年第S01期357-363,共7页
基金
“十二五”国家科技支撑计划项目(2015BAD06B03-3)
广东省科技计划项目(2015A020209148)
+1 种基金
广东省应用型科技研发项目(2015B010135007)
广州市科技计划项目(201605030013、201604016122)。
文摘
及时获取准确的母猪哺乳行为信息对提高猪只集中养殖效益至关重要。本文旨在建立深度学习网络,融合时空信息,实现自动识别母猪哺乳行为。识别过程主要分2个阶段:母猪哺乳区域时空定位和哺乳区域时空信息特征提取、融合及识别。首先将俯拍视频图像序列输入Mask RCNN,ResNet101+FPN作为基础网络输出特征图输入区域生成网络,生成母猪检测候选框并分别输入母猪姿态识别分支和关键点检测分支,若母猪姿态被识别为侧卧则利用关键点检测分支输出关键点坐标,确定母猪哺乳区域,实现哺乳行为感兴趣时空区域定位。然后,在感兴趣时空区域中,利用双流卷积网络,进行时间流和空间流特征提取。最后利用串接卷积融合方式,识别序列图像中母猪是否进行哺乳。试验结果显示,用于哺乳区域空间定位的关键点的综合召回率Rk和精准率Pk分别为94.37%和94.53%,母猪哺乳行为识别正确率为97.85%,灵敏度为94.92%,特异度为98.51%。
关键词
母猪
哺乳行为
关键点检测
时空信息
双流卷积网络
Keywords
sow
nursing behaviour
keypoint detection
spatio-temporal information
two-stream convolutional network
分类号
S828 [农业科学—畜牧学]
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于隐马尔科夫模型的深度视频哺乳母猪高危动作识别
薛月菊
杨晓帆
郑婵
陈畅新
甘海明
李诗梅
《农业工程学报》
EI
CAS
CSCD
北大核心
2019
11
下载PDF
职称材料
2
基于时空信息融合的母猪哺乳行为识别
甘海明
薛月菊
李诗梅
杨晓帆
陈畅新
区铭强
《农业机械学报》
EI
CAS
CSCD
北大核心
2020
10
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
