Page 47 - 《华中农业大学学报（自然科学版）》2023年第3期
P. 47

第 3 期                 姚超 等：基于深度学习的图像分割在畜禽养殖中的应用研究进展                                        41

               估算准确率达到了 95.10%，处理速度达到了 6.981                    CNN 对群养生猪进行分割，以实现对生猪的健康状
                             ［7］
               ms/帧；Zheng 等 使用 YOLO（you only look once）辅        况进行监测，其分割精度达到了 71.4%（IoU≥0.75）；
               助的图像分割方法，对鸡腿区域图像进行分割，估算腿                         Tu 等 ［38］ 使用 Mask R-CNN 对群养猪进行分割，从而
               长周长来筛选和保持种鸡优良的遗传性状，其分割精                          进一步对猪只的健康状况进行监测，其顶视图分割
               度达到了 92.36%（IoU≥0.5），分割速度达到了 74.1                精 度 达 到 了 91.80%、正 面 视 图 分 割 精 度 达 到 了
               ms/帧。                                            80.22%，分割速度平均达 0.523 3 s/帧；Ju 等         ［39］ 和
                   在上述研究中，为了降低算法的复杂度，确保采                        Seo 等 ［40］ 均使用 YOLO 辅助的图像分割方法对粘连
               集到的图像更加标准且区分度高、无遮挡或有少量                           猪只图像进行实时分割，以获取猪只的健康和福利
               的遮挡（但不影响算法的执行效率），部分文献在采                          信息，分割精度分别达到了91.96%、85.00%。
               集图像时使用到了一些特定的装置设置，如限定                                Qiao等 ［41］ 也使用Mask R-CNN对牛图像进行分
                                             ［5］
               栏 ［11，28］ 、深度摄像机  ［11，28］ 、3D 相机 等，通过引入上         割，以获取牛的健康和福利信息，分割精度达到了
               述设备可以明显提高分割的精度与效率。                               92%，分割速度达到了 0.73 s/帧；Ferreira 等       ［42］ 使用
               1.3 在畜禽姿态估计与行为识别中的应用                             Mask R-CNN 对奶牛进行分割，以促进对奶牛传染
                   姿态估计与行为识别有助于实现养殖过程的无                         病控制；Xiao 等   ［12］ 使用 Mask R-CNN 对散栏牛场奶
               人监控，及时发现畜禽的状态变化，了解其行为信                           牛进行分割，以实现奶牛行为分析和疾病检测，分割
               息，提高养殖管理效率。如 Yang 等             ［29］ 使用 FCN 对    精度达到了97.39%，分割速度为1.02 s/帧。
               母猪图像进行分割，实现了自动识别母猪护理（哺                               Lamping 等 ［13］ 使用 Mask R-CNN 对母鸡进行分
               乳）行为，分割精度达到了 91.50%，使用的数据集要                      割，以监测母鸡的福利状况，分割精度达到了97.72%
               求无遮挡；文献［9，30-31］均使用 DeepLab 对猪只图 （IoU≥0.5）。
               像进行分割，分别实现了对识别猪只的姿态和行为，                              基于深度学习的图像分割技术在畜禽体况及疾
               分割精度最高达到了 95.90%，分割速度最快达到了                       病检测中的应用也比较广泛，上述 8 篇文献中有 6 篇
               0.39 s/帧，同 FCN 一样，此处所使用的数据集也都要                   文献选取了 Mask R-CNN 方法作为其核心的辅助方
               求无遮挡；文献［32-33］则使用 Mask R-CNN 实现了                 法来实现对畜禽的体况和疾病进行检测，另外2篇则采
               在粘连和遮挡情况下对猪只图像进行分割，进而实                           用YOLO辅助的图像分割方法来进行处理。由上述文
               现了目标追踪、行为监测等功能，分割精度最高达到                          献可知 Mask R-CNN 方法处理速度一般（0.523 3~
               了 89.25%、分 割 速 度 最 快 达 到 了 1.45  s/帧 ；Gan        1.02 s/帧），但是相较于基于 YOLO 的方法，Mask R-
               等 ［10］ 使用 Amodal Instance Segmentation 方法 ［34］ 对  CNN方法则更加侧重于准确性。
               仔猪图像进行分割，以实现自动检测仔猪哺乳行为，                              此外，在上述的研究中大部分算法在统计分割
               其分割精度达到了 97.8%（IoU≥0.5），分割速度达到                   精度时使用的是 IoU≥0.5 的条件，但是很少有研究
               了 109.9 ms/帧，该方法也可以很好地处理粘连和遮                     统计 IoU≥0.75 或 IoU≥0.90（意味着图像分割要求
               挡等复杂情况。                                          更高）等条件下的图像分割精度。其中，刘坤等                   ［37］ 在
                   刘生智   ［35］ 使用 Mask R-CNN 对群牛图像中“粘            其论文中统计了 IoU≥0.75 时的分割精度为 71.3%，
               连”牛体进行分割，为后续的行为分析奠定了基础， 由此可见目前分割的精度仍然不理想。因此，在接
               分割精度达到了 84.77%；Xiao 等         ［12］ 使用 Mask R-    下来的工作中针对如何综合提升图像分割算法的处
               CNN 对散栏牛场奶牛进行分割，实现了奶牛行为分                         理速度与准确率方面还有很大的技术发展空间。
               析和疾病检测，其分割精度达到了97.39%，分割速度                       1.5 在畜禽精准饲养中的应用
               达到了 1.02 s/帧；Jiang 等  ［36］ 使用 YOLO 辅助的图像             畜禽精准饲养是养殖场或企业实现降本增效的
               分割方法对奶牛进行分割，实现了智能检测识别奶                           重要途径，这不仅要求精准满足畜禽的营养需求，更
               牛的行为，分割精度达到了 93.73%（IoU≥0.5），分割                  要以更高效的方式监测、管控和管理畜禽养殖过程。
               速度达到了47.62 ms/帧。                                 Yang 等 ［14］ 在合作的养殖场进行数据采集，获得6 696
               1.4 在畜禽体况及疾病检测中的应用                               张图像的训练数据集，然后使用 FCN 方法对泌乳母
                   做好畜禽体况及疾病检测可以帮助养殖场或企                         猪进行分割，分割精度达到了93.00%、分割速度小于
               业及时监测畜禽的健康状况，及早发现疫病并遏制                           40 s/帧，为个体泌乳母猪的精准饲养提供了数据支
               其进一步蔓延，降低损失。刘坤等                ［37］ 使用 Mask R-   撑。但是在他们的研究中并未发现关于精准饲养具
   42   43   44   45   46   47   48   49   50   51   52