基于RDS-Mask R-CNN的绵羊姿态自动检测方法研究

摘要

绵羊的姿态与其健康及福利密切相关。随着智能化畜牧业需求的增长，自动、准确地检测绵羊姿态尤为尤为重要。本研究提出基于Mask R-CNN基准网络的新型RDS-Mask R-CNN绵羊姿态检测算法，以Res2Net101作为特征提取网络，同时引入可变形卷积（Deformable convolution network,DCN），以更精准捕捉绵羊在不同位置的姿态特征，并运用软非极大值抑制（Soft non-maximum suppression,Soft NMS）算法实现重叠实例目标的准确分割。结果表明：1）目标检测框架算法对比：与该领域最经典的YOLOv3和Faster R-CNN相比，改进的算法在平均精度均值（Mean average precision,mAP）上分别提升了16.68%和8.64%;2）不同改进策略的算法对比：改进算法相较于基准网络，边界框平均精度均值（Bounding box mean average precision,Bbox mAP）提高6.21%，分割平均精度均值（Segmentation mean average precision,Segm mAP）提高6.61%，分别达到87.34%和81.50%;3）相较于Mask R-CNN，改进模型在识别绵羊站立与躺卧姿态时边界框平均精度（Bounding box average precision,Bbox AP）分别提高了6.84%和5.58%，分割平均精度（Segmentation average precision,Segm AP）分别提高了7.25%和5.17%;4）模型可解释性可视化结果表明RDS-Mask R-CNN能精准捕获绵羊站立和躺卧姿态关键部位深度特征，表明模型自动检测可行且具有可解释性。综上，本研究提出的RDS-Mask R-CNN算法，有效提升了绵羊姿态检测的精准度，为智慧养殖提供了技术支撑。

关键词

绵羊姿态识别 / RDS-Mask R-CNN / 可变形卷积