Page 45 - 《华中农业大学学报（自然科学版）》2023年第3期
P. 45

第42卷 第3期                          华  中   农   业  大   学  学   报                        Vol.42    No.3
               2023年    5月                   Journal  of  Huazhong  Agricultural  University    May 2023，39~46

               姚超，倪福川，李国亮.基于深度学习的图像分割在畜禽养殖中的应用研究进展［J］.华中农业大学学报，2023，42（3）：39‐46.
               DOI：10.13300/j.cnki.hnlkxb.2023.03.005

                                基于深度学习的图像分割在畜禽养殖中

                                                  的应用研究进展


                                              姚超 ，倪福川 ，李国亮                  1，3
                                                                 1
                                                    1，2
                       1.华中农业大学信息学院/农业农村部智慧养殖技术重点实验室/农业智能技术教育部工程研究中心/
                       湖北省农业大数据工程技术研究中心，武汉430070； 2.武汉软件工程职业学院信息学院，武汉430205；
                               3. 华中农业大学深圳营养与健康研究院/中国农业科学院深圳农业基因组研究所/
                                     岭南现代农业科学与技术广东省实验室深圳分中心，深圳518000

                       摘要  图像分割作为智慧农业养殖中“视觉系统”的重要组成部分，被广泛应用于畜禽的智慧养殖中。近年
                   来，深度学习算法飞速发展，基于深度学习的图像分割技术也取得了重大突破。这些方法赋予了分割区域更准
                   确的语义信息，使得图像分割更加精准和智能，为畜禽智慧养殖提供了更强的技术支持。本文通过广泛收集和
                   整理国内外研究的相关文献，重点阐述了图像分割技术在畜禽养殖中的畜禽计数、体尺体质量测量、姿态估计与
                   行为识别、体况及疾病检测、精准饲养等方面的应用现状，给出了如何根据实际性能需求（精度、处理速度）、数据
                   集、计算资源等方面选择合适图像分割方法的建议，总结分析了当前研究中与畜禽养殖相关且可用于图像分割
                   训练的公开数据集；并指出了基于深度学习的图像分割技术在畜禽养殖中所面临的挑战与未来的发展趋势，希
                   望能为畜禽养殖中图像分割技术的具体应用提供参考。
                       关键词  图像分割； 深度学习； 畜禽养殖； 智慧农业； 计算机视觉
                       中图分类号  S8-01； S24    文献标识码  A    文章编号  1000-2421（2023）03-0039-08



                   在当今市场需求和科技发展的双重推动下，畜 （图 1D）则是对图中所有对象进行逐一标记与识别。
               禽养殖面临着养殖模式亟需改造升级、养殖品质有                           在早期图像分割的应用场景中，为了能够更好地区
               待提升等问题。传统畜禽养殖主要依赖人工监测， 分目标和背景，通常会使用一些特殊方法进行预处
               这种方式耗时、费力、主观性强，并且在连续、大规模                         理（如统一背景颜色等）后，利用传统的图像分割方
               的操作中难以实现。针对这些问题，以计算机视觉                           法即可达到比较理想的效果。随着人们对自然环境
               为主要技术的智慧养殖逐渐兴起。图像分割是计算                           下图像分割的需求激增，单纯使用传统图像分割方
               机视觉中的核心技术之一，根据相关特征（如亮度、 法的难度也越来越大、效果也越来越不理想。
                                                   ［1］
               纹理等）将图像中感兴趣的目标提取出来 ，被广泛                              深度学习    ［16］ 作为机器学习的一个重要分支，因
               应用于畜禽的计数        ［2-4］ 、体尺体质量测量     ［5-7］ 、姿态估    其强大的学习能力，近年来被广泛应用于图像分割
               计与行为识别       ［8-10］ 、体况及疾病检测     ［11-13］ 、精准饲    领域，如 Long 等   ［17］ 提出的全卷积网络（full convolu‐
               养 ［14］ 等方面。                                      tional network，FCN）、Chen 等 ［18］ 提出的 DeepLab、
                   Kirillov 等 ［15］ 将图像分割主要分为语义、实例和              Ronneberger等 ［19］ 提出的 U-Net、Zhao等 ［20］ 提出的金
               全景三大类分割方法，具体如图 1 所示：对于原始图                        字塔场景解析网络（pyramid scene parsing network，
               像（图 1A），语义分割（图 1B）是对图像中的每个像素                     PSPNet）、He 等 ［21］ 提出的 Mask R-CNN（region-con‐
               判断所属类别，但不区分个体；实例分割（图 1C）在此                       volutional neural network）等都是深度学习应用于图
               基础之上识别出同一类对象的不同个体；全景分割                           像分割的经典方法。近年来，也有一些最新的基于


               收稿日期： 2022 ‐ 10 ‐ 10
               基金项目：中 央 高 校 基 本 科 研 业 务 费 专 项（2662022JC005）；华 中 农 业 大 学 - 中 国 农 业 科 学 院 深 圳 农 业 基 因 组 研 究 所 合 作 基 金
                      （SZYJY2022001）
               姚超，E-mail：chaoyao@webmail.hzau.edu.cn
               通信作者： 李国亮，E-mail：guoliang.li@mail.hzau.edu.cn
   40   41   42   43   44   45   46   47   48   49   50