[发明专利]一种基于深度卷积神经网络的禽类动物行为识别方法

说明书

本发明公开了一种基于深度卷积神经网络的禽类动物行为识别方法，步骤(1)采集需要监测的所有禽类动物行为图像；步骤(2)对采集的图像进行预处理；步骤(3)结合待识别的禽类动物行为图像的特点设计深度卷积神经网络结构；步骤(4)将步骤(2)中得到的图像作为训练数据，利用(3)中的深度卷积神经网络结构，训练禽类动物行为识别模型；步骤(5)对步骤(4)中训练好的禽类动物行为识别模型进行精度测试，若测试精度未达到标准，则返回步骤(3)，直至达到应用标准；步骤(6)将识别模型进行部署，应用于禽类动物养殖过程当中，结束。能够有效提高禽类动物行为的识别效率和准确率，有利于简化养殖业管理工作。

技术领域

本发明涉及禽类动物行为识别技术领域，尤其涉及一种基于深度卷积神经网络的禽类动物行为识别方法。

背景技术

近几年来，深度学习尤其是深度卷积神经网络被广泛应用在图像处理与分析任务当中，包括：图像配准、图像分类与图像分类等。而且，伴随人类社会的高速发展和产业自动化程度的逐步深入，通过计算机辅助技术实现农业生产管理，不但可以降低人力维护所需的各项资源，同时也可以提高管理水平。

在现代化养殖业管理过程中，需要对禽类动物的行为进行持续的监控与检测，以考察禽类动物生长行动能力的跑动、直立和动作协调性等指标以及动物间记忆及社交行为的指标。而禽类动物行为识别工作中存在以下难点，如禽类动物间相似度高，禽类动物间遮挡严重，不易实现区分。目前，养殖业中主要是通过工人实现禽类动物行为的监测，这就要求工人不但需要对大量的监控视频影像数据进行分析，同时还需要一定的熟练程度和专业水平。另外，在禽类动物行为监测的过程中，一方面工人的工作效率会影响监测管理工作的整体效率；另一方面在管理成本和开支方面也会带来浪费。

因此。期望一种可以解决上述问题及难点的技术。

发明内容

本发明的目的就是为了解决上述问题，提供一种基于深度卷积神经网络的禽类动物行为识别方法，利用计算机对监控视频影像文件中的禽类动物图像进行训练学习，得到可以快速、准确识别不同动物行为的深度学习模型，并且将此模型用于指导养殖业管理，提高生产效率，节约生产成本。

为了实现上述目的，本发明采用如下技术方案：

一种基于深度卷积神经网络的禽类动物行为识别方法，包括：

步骤(1)、采集禽类动物养殖业管理过程中需要监测的所有禽类动物行为图像；

步骤(2)、对采集到的禽类动物行为图像进行预处理；

步骤(3)、结合待识别的禽类动物行为图像的特点设计深度卷积神经网络结构；

步骤(4)、将步骤(2)中得到的禽类动物行为图像作为训练数据，利用(3)中的深度卷积神经网络结构，训练禽类动物行为识别模型；

步骤(5)、对步骤(4)中训练好的禽类动物行为识别模型进行精度测试，若测试精度未达到养殖业管理应用标准，则返回步骤(3)，直至达到应用标准；

步骤(6)、将识别模型进行部署，应用于禽类动物养殖过程当中，结束。

所述步骤(1)中采集禽类动物行为图像时采用人工设置灯光，排除养殖场地中其它光源的干扰。

所述步骤(1)中拍摄时使用高速摄像机和深度图像摄像机。

所述步骤(2)中图像预处理包括：对采集到的禽类动物行为图像按照对应类型进行分类整理、数据清洗以及图像数据扩充。

所述图像数据扩充包括：图像的平移操作、图像的旋转操作、图像的水平翻转操作及图像的随机裁剪操作。

所述步骤(3)中的深度卷积神经网络结构，需要结合图像的数据量以及禽类动物行为图像本身的特点，设计有不同层数的卷积神经网络结构。