基于3D卷积视频分析的猪步态评分方法

吴振邦, 陈泽锴, 田绪红, 杨杰, 尹令, 张素敏

华南农业大学学报 ›› 2024, Vol. 45 ›› Issue (05) : 743 -753.

PDF
华南农业大学学报 ›› 2024, Vol. 45 ›› Issue (05) : 743 -753.

基于3D卷积视频分析的猪步态评分方法

    吴振邦, 陈泽锴, 田绪红, 杨杰, 尹令, 张素敏
作者信息 +

Author information +
文章历史 +
PDF

摘要

【目的】猪肢蹄病是种猪淘汰的重要原因之一,给养殖场带来巨大的经济损失。猪蹄疾病判断通常依赖人工肉眼观察猪只步态进行排查,存在效率低、人力成本高等问题。本文旨在实现自动化猪步态评分,高效判断猪只肢蹄健康状况。【方法】本文提出一种“端到端”的猪步态评分方法,在单头种猪经过测定通道时采集视频,并制作四分制步态数据集。采用深度学习技术分析视频,设计了一种基于3D卷积网络的时间注意力模块(Time attention module,TAM),有效提取视频帧图像之间的特征信息。将TAM与残差结构结合,构建猪步态评分模型TA3D,对步态视频进行特征提取与步态分类评分。为进一步提升模型性能并实现自动化处理,本文设计了步态关注模块(Gait focus module,GFM),能够自动从实时视频流中提取有效信息并合成高质量步态视频,在提高模型性能的同时降低计算成本。【结果】试验结果表明,GFM可以实时运行,步态视频大小可以减少90%以上,显著降低存储成本,TA3D模型步态评分准确率达到96.43%。与其他经典的视频分析模型的对比测试结果表明,TA3D的准确率和推理速度均达到最佳水平。【结论】本文提出的方案可应用于猪只步态自动评分,为猪肢蹄病的自动检测提供参考。

关键词

图像处理 / 深度学习 / / 步态评分 / 注意力机制 / 视频分析 / 肢蹄病

Key words

引用本文

引用格式 ▾
基于3D卷积视频分析的猪步态评分方法[J]. 华南农业大学学报, 2024, 45(05): 743-753 DOI:

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

AI Summary AI Mindmap
PDF

0

访问

0

被引

详细

导航
相关文章

AI思维导图

/