基于YOLO 目标检测的生猪多阈值Otsu 分割方法

李德平，朱伟兴

（江苏大学电气信息工程学院，江苏镇江 212013）

0 引言

我国是猪肉消费大国，也是养猪大国，在生猪养殖过程中对生猪行为进行监测是评价生猪健康的重要环节［1］。商业化养殖场人工监测存在劳动力成本高和主观误差等缺点，现代化生猪养殖及其重要。计算机视觉技术的发展降低了生猪养殖场劳动力投入和生产成本，已成为监测生猪养殖的重要手段，对生猪养殖规模化和集中化起着重要作用。计算机视觉技术主要用于生猪行为分析［3-4］和身份识别［5-6］等方面。

俯视群养猪行为和身份分析日益受到关注，而个体层次上的数据分析拥有更多优势，因此监测生猪养殖一个关键步骤和经典难题是将生猪从背景中分离出来，准确提取个体猪信息。对于背景复杂的俯视群养猪视频序列（如光变化背景、尿渍、水渍、粪便及地上其他物体，不同颜色的前景对象，群居状态下的拥挤粘连等），目标的有效提取仍然具有挑战性，需要进一步研究。猪圈中生猪密度越高，分割困难就越大，尤其在采食区域，由于生猪采食时发生拥挤、碰撞和攻击等剧烈运动，造成目标难以获取，粘连的情况使分割难度加大。

常用的生猪分割方法有阈值分割、边缘检测分割、分水岭分割、基于图论分割、帧差法和背景差分法等。Guo等［7-8］采用自适应分区和多阈值分割对饮食区域生猪进行分割。该方法对目标进行两次分割，第二次分割是在第一次分割结果基础上划分有效区域从而进行精确分割。……