基于CenterNet搭配优化DeepSORT算法的断奶仔猪目标跟踪方法研究
2021-09-27张伟沈明霞刘龙申孙玉文杨运南许志强
南京农业大学学报 2021年5期
张伟,沈明霞,刘龙申,孙玉文,杨运南,许志强
(1.南京农业大学工学院,江苏 南京 210031;2. 南京农业大学人工智能学院/江苏智慧牧业装备科技创新中心,江苏 南京 210031;3.南京农业大学动物科技学院,江苏 南京 210095)
断奶仔猪是生猪养殖业中的重点关注对象,对其运动、采食及饮水等行为的监测,有助于评判断奶仔猪的健康状况。在仔猪行为分析研究中,准确跟踪仔猪目标、保证其身份的唯一性是一个技术难点。在目前的养殖生产实践中,对仔猪个体的跟踪并确定其身份主要是通过人为长时间观察的方式实现的,该方式工作量大且难以实现长期跟踪。随着射频识别RFID技术的发展,规模化猪场借助电子耳标确定仔猪身份,但安装电子耳标时易造成仔猪短时的应激反应,且需借助外部阅读器识别目标身份,经济成本较高。在产业需求与福利养殖概念的同步驱动下,亟需研发无接触式的自动跟踪仔猪目标的技术方法,实现断奶仔猪生理生长信息无应激观测。
国内外专家学者在猪目标跟踪研究领域已进行了大量的探索研究,部分学者通过人工标记设计底层特征实现猪跟踪。如Tillett等[1]取猪背部边缘的6个特征点坐标构成搜索框并在其中检测标记黑点位置,通过黑点位置对猪移动位置追踪。Lind等[2]通过改进不包含动物的参考帧的自动阈值检测跟踪算法,实现对小型猪在空旷环境下的跟踪。Navarro-Jover等[3]通过猪背部颜色标记进行追踪。Xiao等[4]通过颜色信息在自然环境中识别猪,并在分析二值图像中连接区域的基础上去除噪声,根据一组具有约束项的关联规则(DT-ACR)对猪进行跟踪。……
登录APP查看全文
