第46卷第1期2023年1月河北农业大学学报JOURNALOFHEBEIAGRICULTURALUNIVERSITYVol.46No.1Jan.2023基于SE-R(2+1)D网络的自然环境下的奶牛行为识别史学伟1，司永胜1,2，韩宪忠1,2，王克俭1,2（1.河北农业大学信息科学与技术学院，河北保定071001；2.河北省农业大数据重点实验室，河北保定071001）摘要：智能行为识别对于奶牛健康的自动诊断和精准养殖具有重要意义。由于接触式传感器会损害动物福利，对奶牛产生应激反应。因此，本文设计了R(2+1)D模型对奶牛进行行为识别。3D网络作为1种时空卷积网络，可以有效识别奶牛的基本时序行为，但该模型针对奶牛的进食行为与反刍行为不易区分，因此对残差网络中的残差映射部分进行改进，在残差网络中添加注意力机制，将SE模块加入到残差映射部分。首先，利用Kinect相机采集奶牛的行为视频；其次，将采集到的奶牛视频分解成连续帧输入到改进后的模型中，连续帧经过二维空间特征和一维时间特征提取，经过残差网络的注意力模块，忽略一些无关的特征；最后，经过模型的Softmax层进行行为分类。实验证明，和原模型比较，准确率提高了2.36%。本文方法实现了精准的奶牛行为识别，可为智慧畜牧业的发展提供技术支持。关键词：行为识别；R(2+1)D网络；深度学习；智慧畜牧业中图分类号：S823开放科学（资源服务）标识码（OSID）：文献标志码：ARecognitionofcowbehaviorinnaturalenvironmentbasedonSE-R(2+1)DnetworkSHIXuewei1,SIYongsheng1,2,HANXianzhong1,2,WANGKejian1,2(1.CollegeofInformationScienceandTechnology,HebeiAgriculturalUniversity,Baoding071001,China;2.KeyLaboratoryofAgriculturalBigDataofHebeiProvince,Baoding071001,China)Abstract:Intelligentbehaviorrecognitionisofgreatsignificanceforautomaticdiagnosisandprecisebreedingofdairycowhealth.Stressresponsestodairycowsascontactsensorscompromiseanimalwelfare.Therefore,thispaperdesignsanR(2+1)Dmodelforbehaviorrecognitionofdairycows.Asaspatiotemporalconvolutionalnetwork,the3Dnetworkcaneffectivelyidentifythebasictemporalbehaviorofcows.However,themodelisnoteasytodistinguishthefeedingbehaviorandruminationbehaviorofdairycows,sotheresidualmappingpartintheresidualnetworkisimproved,theattentionmechanismisaddedtotheresidualnetwork,andtheSEmoduleisaddedtotheresidualmappingpart.First,usetheKinectcamera...
