华中农业大学学报

作者：陈萌放，徐迪红，李国亮，刘小磊，周明彦，黎煊

单位：1.华中农业大学信息学院，武汉 430070;2.农业农村部智慧养殖技术重点实验室，武汉 430070;3.华中农业大学工学院，武汉 430070;4.湖北洪山实验室，武汉 430070

关键词：半监督;视频分割;猪只;SimAM注意力

基金：生猪现代育种技术研发及新品种选育（HBZY2023B006-03）；武汉市生物育种重大专项（2022021302024853）；华中农业大学-中国农业科学院深圳农业基因组研究所合作基金项目（SZYJY2022031）

为解决因猪场复杂环境、猪只动态生长及体型变化等因素导致的猪只精确分割难题，以种猪性能测定过程中动态采食和生长过程的猪只为研究对象，构建一个包括234个视频序列的猪只视频数据集，提出基于XMem-SimAM的半监督猪只视频分割方法。通过引入SimAM注意力进行多尺度特征融合，提升模型在不同尺度下对时序信息的提取能力，捕捉猪只动态移动的时序特征；利用空间-通道注意力模块，强化模型对时序语义特征的权重提取；优化多尺度特征融合策略和上采样模块，充分利用视频序列中的时序关联信息，从细粒度层面提高视频中猪只分割精度。经过测试对比，XMem-SimAM模型在猪只视频数据集上的区域相似度Jaccard、轮廓准确度F、平均度量J&F和Dice系数分别达到96.9、95.8、98.0和98.0，优于MiVOS、STCN、DEVA、XMem++等视频对象分割方法，显示出卓越的分割性能；在推理阶段，处理速度达到58.5 帧/s，内存消耗为795 MB，实现了处理效率与资源利用的良好平衡。结果表明，该方法可应用于猪场复杂环境下动态生长猪只的视频分割。

来源：2025年第2期

《华中农业大学学报》期刊编辑部

查看华中农业大学学报杂志2025年第2期