基于自适应融合CNN—OF特征和LSTM网络的猪攻击行为识别

来源：中国农机化学报杂志2026年第2期北京时间：

作者：陈晨, 孙博, Juan Steibel, Janice Siegford, 韩俊杰, Tomas Norton

单位：1. 江苏大学电气信息工程学院,江苏镇江,212013; 2. Department of Animal Science, Iowa StateUniversity, Ames, 50010, USA; 3. Animal Behaviour and Welfare Group, Department of AnimalScience, Michigan State University, East Lansing, 48824, USA; 4. Division of Measure, Model & Manage Bioresponses (M3‑Biores), KU Leuven, Leuven, 3001, Belgium

摘要：为识别群养猪攻击行为，提出一种基于自适应融合CNN—OF特征和LSTM网络的算法。在两个猪栏中每栏混养8头猪3天，每天收集8 h的视频作为数据集。从猪栏1的3天视频中标记出1 200个攻击1 s片段和1 200个非攻击1 s片段，选择80%的片段作为训练集，其余20%作为验证集。从猪栏2的3天视频中标记出1 254个攻击1 s片段和85 146个非攻击1 s片段作为测试集。首先，采用Horn—Schunck(HS)方法计算光流(OF)的大小和方向角，并根据CNN特征图的维度划分光流方向角的范围。然后，在每个方向角范围内统计光流大小的直方图，通过空间维度变换将直方图转化为特征图。最后，通过权重叠加将此特征图与CNN特征图进行自适应融合并输入LSTM网络以识别攻击。采用VGG16—OF—LSTM、ResNet50—OF—LSTM、InceptionV3—OF—LSTM和Xception—OF—LSTM算法识别猪攻击行为的准确率分别为97.5%、97.8%、98.7%、99.3%。结果表明，CNN—OF—SLTM算法能够识别猪攻击行为。提出的自适应特征融合方法CNN—OF具有一定通用性。

关键词：群养猪,攻击识别,卷积神经网络,光流,自适应融合,长短期记忆

基金资助：国家自然科学基金项目(32102598)