基于卷积神经网络的奶牛发情行为识别方法

作     者：刘忠超 何东健 LIU Zhongchao;HE Dongjian

作者机构：西北农林科技大学机械与电子工程学院陕西杨凌712100 南阳理工学院电子与电气工程学院南阳473000 农业农村部农业物联网重点实验室陕西杨凌712100 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2019年第50卷第7期

页      面：186-193页

核心收录：

学科分类：0710[理学-生物学] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0801[工学-力学（可授工学、理学学位）] 

基　　金：国家重点研发计划项目(2017YFD0701603) 国家自然科学基金面上项目(61473235) 

主　　题：奶牛 发情 图像识别 深度学习 爬跨行为 卷积神经网络 

摘      要：对奶牛发情的及时监测在奶牛养殖中至关重要。针对现有人工监测奶牛发情行为费时费力、计步器接触式监测会产生奶牛应激行为等问题,根据奶牛发情的爬跨行为特征,提出一种基于卷积神经网络的奶牛发情行为识别方法。构建的卷积神经网络通过批量归一化方法提高网络训练速度,以Max-pooling为下采样,修正线性单元(Rectified linear units,ReLU)为激活函数,Softmax回归分类器为输出层,结合理论分析和试验验证,确定了32×32-20c-2s-50c-2s-200c-2的网络结构和参数。经过对奶牛活动区50头奶牛6个月的视频监控,筛选了具有发情行为爬跨特征的视频150段,随机选取网络训练数据23 000幅和测试数据7 000幅,对构建的网络进行了训练和测试。试验结果表明:本文方法对奶牛发情行为识别准确率为98.25%,漏检率为5.80%,误识别率为1.75%,平均单幅图像识别时间为0.257 s。该方法能够实现奶牛发情爬跨的无接触实时监测,对奶牛发情行为具有较高的识别率,可显著提高规模化奶牛养殖的管理效率。