基于Swin-Unet的奶牛饲料消耗状态监测方法

摘要

【目的】针对监控图像中饲料区域结构较长、边界模糊，且形状与尺寸复杂多变等特点，本研究旨在更准确地分割饲料残余区域与消耗区域，以达到准确监测饲料消耗状态的目的。【方法】本研究提出了基于SwinUnet的语义分割模型，其在Swin Transformer块的开始阶段应用ConvNeXt块，增强模型对特征信息的编码能力，以提供更好的特征表示，并利用深度卷积替换线性注意力映射，以提供局部空间上下文信息。同时提出了新颖的宽范围感受野模块来代替多层感知机，以丰富多尺度空间上下文信息。此外在编码器的开始阶段，将线性嵌入层替换为卷积嵌入层，通过分阶段压缩特征，在块之间和内部引入更多的空间上下文信息。最后引入多尺度输入策略、深度监督策略，并提出了特征融合模块，以加强特征融合。【结果】所提出方法的平均交并比、准确率、F1分数与运行速度分别为86.46%、98.60%、92.29%和23帧/s，相较于Swin-Unet，分别提高4.36、2.90、0.65个百分点和15%。【结论】基于图像语义分割的方法应用于饲料消耗状态的自动监测是可行的，该方法通过将卷积引入Swin-Unet，有效地提高了分割精度与计算效率，对提升生产管理效率具有重要意义。

关键词

饲料消耗 / 自动监测 / 语义分割 / Swin Transformer / 奶牛 / 深度卷积