基于3D卷积视频分析的猪步态评分方法

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 / 猪 / 步态评分 / 注意力机制 / 视频分析 / 肢蹄病