基于Swin-Unet的奶牛饲料消耗状态监测方法

作     者：张博 罗维平 ZHANG Bo;LUO Weiping

作者机构：武汉纺织大学机械工程与自动化学院湖北武汉430200 

出 版 物：《华南农业大学学报》 (Journal of South China Agricultural University)

年 卷 期：2024年第45卷第5期

页      面：754-763页

核心收录：

学科分类：082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 081203[工学-计算机应用技术] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62103309) 湖北省数字化纺织装备重点实验室开放课题(DTL2022001) 

主　　题：饲料消耗 自动监测 语义分割 Swin Transformer 奶牛 深度卷积 

摘      要：【目的】针对监控图像中饲料区域结构较长、边界模糊,且形状与尺寸复杂多变等特点,本研究旨在更准确地分割饲料残余区域与消耗区域,以达到准确监测饲料消耗状态的目的。【方法】本研究提出了基于Swin-Unet的语义分割模型,其在Swin Transformer块的开始阶段应用ConvNeXt块,增强模型对特征信息的编码能力,以提供更好的特征表示,并利用深度卷积替换线性注意力映射,以提供局部空间上下文信息。同时提出了新颖的宽范围感受野模块来代替多层感知机,以丰富多尺度空间上下文信息。此外在编码器的开始阶段,将线性嵌入层替换为卷积嵌入层,通过分阶段压缩特征,在块之间和内部引入更多的空间上下文信息。最后引入多尺度输入策略、深度监督策略,并提出了特征融合模块,以加强特征融合。【结果】所提出方法的平均交并比、准确率、F1分数与运行速度分别为86.46%、98.60%、92.29%和23帧/s,相较于Swin-Unet,分别提高4.36、2.90、0.65个百分点和15%。【结论】基于图像语义分割的方法应用于饲料消耗状态的自动监测是可行的,该方法通过将卷积引入Swin-Unet,有效地提高了分割精度与计算效率,对提升生产管理效率具有重要意义。