[发明专利]一种基于机器视觉下CNN-LSTM的小鼠取食行为表征方法

说明书

本说明书一个或多个实施例提供一种基于机器视觉下CNN‑LSTM的小鼠取食行为表征方法，包括以下步骤：A.小鼠不同行为图像信息的获取；B.小鼠行为图像样本的划分；C.卷积神经网络的图像特征提取；D.长短期记忆网络的小鼠行为表征模型构建。本发明采用CNN‑LSTM进行小鼠红外图像的行为表征模型的构建，提出一种新的CNN结构能够提取更多、更有效的特征信息，且可以有效避免过拟合等问题，配合LSTM来实现小鼠行为的文本描述，非常适用于小鼠行为的自动、准确表征。

技术领域

本说明书一个或多个实施例涉及小鼠行为表征领域，具体是一种基于机器视觉下CNN-LSTM的小鼠取食行为表征方法。

背景技术

小鼠亦称小白鼠，属于脊椎动物门，哺乳纲、啮齿目、鼠科动物。小鼠体小，饲养管理方便，易于控制；生产繁殖快；出生后3周即可断乳。小鼠是由小家鼠演变而来，它广泛分布于世界各地，经长期人工饲养选择培育，已育成1000多近交系和独立的远交群。早在17世纪就有人用小鼠做实验，现已成为使用量最大、研究最详尽的哺乳类实验动物。传统的行为学检测以直接观察和手工记录为主，存在耗时、费力和指标过于主观等问题。因为各实验室和研究者个人情况的不同很难建立统一的检测标准，这就为进一步的研究和交流带来一定困难。传统动物行为学观察法具有一定的局限性，观察方法逐渐成为制约小鼠行为研究的瓶颈问题，新的观察研究方法不断应用于当今小鼠的行为相关研究中。现阶段小鼠行为的观察大多数通过人工记录的方式，但是针对小鼠行为的自动检测和表征，尚无专业、针对性强且高效、准确的检测和表征方法。因此，开发针对小鼠这一特殊研究对象的行为表征方法是必要且重要的，其能够实现小属性为的自动、准确、实时表征分析，对于小鼠的行为学研究具有重要的意义，同时对于其他动物的行为学研究具有一定的参考价值。

发明内容

有鉴于此，本说明书一个或多个实施例的目的在于提出一种基于机器视觉下CNN-LSTM的小鼠取食行为表征方法，能够实现小鼠取食行为的自动、准确表征。

基于上述目的，本说明书一个或多个实施例提供了一种基于机器视觉下CNN-LSTM的小鼠取食行为表征方法，包括以下步骤：

A.小鼠不同行为图像信息的获取；

B.小鼠行为图像样本的划分；

C.卷积神经网络的图像特征提取；

D.长短期记忆网络的小鼠行为表征模型构建。

作为优选，所述的步骤A中，利用红外成像技术获取小鼠不同行为下的红外图像信息，得到小鼠行为的红外图像数据集。

作为优选，所述的步骤B中，采用煤和矸石多光谱图像数据作为参考模型数据,采用随机抽样法将煤和矸石多光谱图像数据按照一定的比例划分为独立的训练集和测试集。

作为优选，所述的步骤C中，用于提取红外图像特征的卷积神经网络(Convolutional neural networks，CNN)是一种包含单个Res-Inception模块的网络结构，主要包含卷积层、标准化层、池化层和全连接层等。

作为优选，所述的步骤D中，利用CNN提取的红外图像特征在训练集上构建长短期记忆网络(Long Short-Term Memory，LSTM)小鼠行为表征模型，然后利用测试集来测试表征的效果，验证模型性能。

从上面所述可以看出，本说明书一个或多个实施例提供的基于机器视觉下CNN-LSTM的小鼠取食行为表征方法，与现有技术相比，其有益效果体现在：采用红外成像技术获取小鼠不同行为的红外图像信息并进行行为表征解决现有小鼠行为观察方法存在的不足；提出一种新的CNN结构能够提取更多、更有效的特征信息，且可以有效避免过拟合等问题，配合LSTM来实现小鼠行为的文本描述，非常适用于小鼠行为的自动、准确表征。

附图说明