奶山羊是乳用品种的山羊,产奶量大,经济回报高;其羊奶营养全面,是现代乳品工业的重要原料。面向规模化养殖中奶山羊的行为识别需求,本研究通过构建和训练合适的卷积神经网络,采用DenseNet模型,优化实验参数,训练出稳定收敛的卷积神经网络,对采集到的奶山羊的行为图像进行分类识别。再对数据集进行扩充分类,通过改进的SE-DenseNet模型结合多标签分类算法训练出可以识别具有多个标签的奶山羊行为图像。实验表明,改进的SE-DenseNet的性能优于传统的DenseNet,并实现了对新的奶山羊数据集的多标签分类,取得了良好的识别效果。本文将研究对象设定为西农奶山羊基地采集的奶山羊日常行为图像,通过卷积神经网络解决奶山羊行为识别问题。主要研究内容和结论有:(1)图像预处理筛选具有明显行为特征的奶山羊图像,并对其进行分类,手动删除没有奶山羊出现的空白图像或奶山羊肢体少于整体三分之二的图像,对输入图像做初步的预处理,统一像素并做数据增强处理。(2)基于DenseNet的奶山羊行为识别构建DenseNet模型,本文研究重点在于构建一个合理的网络模型结构,并采取相关技术保证其在训练集上快速且稳定地收敛,对相关参数进行优化实验。输入预处理后的图像并提取图像的目标特征,对DenseNet模型进行训练。最后再采用softmax分类器对训练的目标进行分类学习,最终得出识别检测的结果,接着再输入测试集图像进行测试,最后识别验证结果的准确率。(3)基于SE-DenseNet的多标签奶山羊行为识别提出一种改进的DenseNet模型,加入SENet模型中的SE模块,改进后的SE-DenseNet模型结合了两者的优势,加强了深层信息的传递,避免了梯度消失,又实现了特征提取过程中的特征重标定。同时对奶山羊行为数据集进行了再分类,对网络输出进行独热编码,使用sigmoid交叉熵损失函数实现了多标签的奶山羊行为识别。