基于循环残差注意力的群养生猪实例分割

刘 坤，杨怀卿，杨 华，胡志伟，孟 珂

(1 山西农业大学 信息科学与工程学院，山西 太谷 030801； 2 吕梁学院 城乡规划系，山西 吕梁 033001)

随着生猪养殖规模的扩大，养殖密度的不断增加，生猪感染病患风险也大大增加，对群养生猪健康状况监测，直接关系到猪场的经济效益。猪只行为富含多种生物学信息，对其进行精确快速检测可有助于发现生猪异常行为，及时采取相应措施，降低疾病发生率。基于机器视觉的图像分析技术可为群养生猪提供低成本、非接触式的监控方法。但生猪粘连、杂物遮挡等客观因素给猪只个体研究带来较大挑战，对其进行有效分割是实现群猪视觉跟踪及监测的关键步骤。

基于机器视觉的多种方法在生猪个体分割领域已取得较多研究成果。传统分割方法主要分为静态分割[1-2]与动态分割[3-4]两大类。但其依赖于人工筛选的颜色、形状、纹理等形态学特征，在真实养殖场景下，关照强度、杂物遮挡、生猪粘连等因素给高质量图像获取带来较大挑战。而基于深度学习的卷积神经网络(Convolutional neural network，CNN)对图像特征具有强大的表征能力[5-6]，其已在生猪姿态检测[7-9]、目标检测[10-12]、目标跟踪[13-14]、行为识别[15-16]、个体计数[17]等领域取得较大进展。在生猪目标分割领域，基于CNN的全卷积网络(Fully convolutional network，FCN)[18]通过反卷积层替代全连接层的方式，能有效保留图像空间维度信息，实现对其像素级分割。杨阿庆等[19]以Visual geometry group 16(VGG16)[20]为基础网络，构建深层抽象特征与浅层细节特征融合并执行上采样8倍跳跃式FCN结构对哺乳母猪图像进行分割；Yang等[21]利用哺育行为的时空信息，通过FCN准确分割母猪，并通过母猪的几何特性和仔猪长度动态计算乳房区域，以自动识别哺育行为；Yang等[22]提出了一种将FCN和Ostu阈值相结合的分阶段方法，从俯视图上分割母猪图像；Psota等[23]引入了一种新的数据集和方法，用于对群养环境的生猪个体进行分割，并使用FCN检测猪只的位置和方向；胡志伟等[24]基于VGG16与UNET[25]相结合的全卷积神经网络模型对单只生猪个体进行分割。但上述基于FCN的分割方法只能将生猪个体与环境信息有效分离，却无法分割出同一类物体中的不同个体，不适用于分割群养猪中的粘连猪个体。实例分割主要用于分割同类物体中的不同个体，即可将同一张图像中的生猪个体分离开来。由He等[26]提出的Mask R-CNN可用于对图像进行高精度实例级分割，并已在柑橘树枝[27]、稻飞虱[28]等个体领域得到应用，在生猪个体研究领域，李丹等[29]基于Mask R-CNN构建猪只分割网络模型，分别实现94%的分割准确率与94.5%的爬跨行为识别准确率；高云等[30]基于Mask R-CNN提出PigNet网络对粘连生猪个体进行实例级分割。但上述基于Mask R-CNN的方法只是将Mask R-CNN模型应用于生猪研究领域，并未进行实质性模型结构调整，而在生猪群养环境中，粘连生猪个体在猪体、猪鼻等细节部位存在差异性，若能使模型强化不同生猪区别性部位则可更好地提升分割边缘精度。注意力机制的出现可有效解决该问题，其在处理信息时只关注部分利于实例分割的区域信息，抑制次要信息以提升模型效果，并已在开放领域的图像分类[31]、图像分割[32]、目标检测[33]等任务中得到较大应用，因此探讨将其应用于猪舍场景下群养生猪实例分割成为可能。

基于此，本文提出一种基于深度卷积网络的非接触、低成本的群养生猪实例分割新方法，该方法结合不同骨干网络特征提取结果与Mask R-CNN、Cascade mask R-CNN任务分割网络进行端到端训练，将不同循环残差注意力(Recurrent residual attention, RRA)模块融入任务网络中，在真实养殖场景下，能实现对深度分离、高度粘连、杂物遮挡等不同条件生猪个体高精度分割，以期为生猪身份识别与行为分析等提供模型支撑。

1 试验数据

1.1 样本采集

数据采集自山西省汾阳市冀村镇东宋家庄村与山西农业大学实验动物管理中心，分别于2019年6月1日09:00—14:00(晴，光照强烈)与2019年10月13日 10:30—12:00(多云，光照偏弱)进行2次采集。为检验模型对不同品种生猪个体的分割性能，选取大白、长白以及杜克混养猪作为拍摄对象，2个猪场猪栏大小分别为3.5 m×2.5 m×1.0 m和4.0 m×2.7 m×1.0 m，每栏生猪数量3～8只不等，选取其中8栏日龄20～105 d的群养生猪共计45 头作为试验对象。与传统采用固定镜头俯视视角拍摄方式不同，采用平视方式进行数据采集更能有效获取到生猪的脸部、腿部等关键部位信息，这些部位更有利于生猪的精细分割，且此方式采集的数据更适用于移动端场景，为此本文采用镜头不固定的平视视角数据采集方式，采用佳能700D防抖动摄像头进行拍摄，镜头距离生猪个体0.3～3.0 m不等，采集到不同大小及个体粘连、猪栏遮挡等不同场景数据，共拍摄得到多段时长为35 s～64 min的视频，每栏选取2段时长超过30 min的视频作为真实试验数据源以保证数据的连续性，对视频数据每隔25帧进行切割处理，得到1 920×1 080分辨率大小图片，为适应模型输入，对其按照宽高比2∶1进行分辨率大小调整，对边缘采用白色像素值进行填充，最终分辨率大小调整为2 048×1 024，并采用LabelMe (http://labelme.csail.mit.edu/Release3.0/)进行试验数据标注。

1.2 试验数据预处理

对调整分辨率后的数据做如下预处理操作以获得群养生猪实例分割数据集，数据展示及其处理过程如图1所示：

图1 数据集展示及预处理Fig. 1 Dataset display and preprocessing

1)为减少模型运算量，降低训练显存占用率，对2 048×1 024图片与标注结果进行整体放缩操作，共得到1 917张512×256分辨率大小图片，如图1b中①所示。

2)为丰富数据集，提升模型鲁棒性，对步骤1)得到的图片进行数据增强操作。仅执行改变亮度、加入高斯噪声2种增强操作，以50%的概率随机执行2种增强中的1～2种变换，每张图片生成1张增强图片，随机改变亮度值在0.8～1.2之间，大于1表示调暗，小于1表示调亮，其过程如图1b中②所示。

经上述处理后共获得标注图片3 834张，将其划分为训练集、验证集与测试集，其中训练集2 490张，测试集864张，验证集480张。

2 生猪实例分割模型

2.1 Mask R-CNN与Cascade mask R-CNN任务模型

Mask R-CNN是在Faster R-CNN[34]基础上改进而来的，其由5部分构成，分别是特征提取部件(又称为骨干网络，如ResNet[6]系列网络)、特征金字塔网络(Feature pyramid network, FPN)、区域提交网络(Region proposal network, RPN)、感兴趣区域对齐层(Region of interest align, ROIAlign)以及功能型输出，其模型结构如图2a所示，其中骨干网络主要用于对输入图像进行特征提取；FPN用于对骨干网络不同阶段输出的不同大小特征图进行金字塔信息融合，以实现对大小差异较大的目标均能做到较好地分割；RPN[34]主要用于提取候选区域，其能提取出可能感兴趣的信息但无法确定信息所属的真正类别，RPN所提取的区域信息可用于对FPN特征图信息进行引导；采用ROIAlign对RPN所截取的不同大小特征图进行尺度归一化，以作为后续功能型部件的输入；功能型部件由对目标个体进行分类的全连接网络以及对目标个体进行分割的全卷积网络组成。

图2 Mask R-CNN与Cascade mask R-CNN模型对比图Fig. 2 Mask R-CNN and Cascade mask R-CNN model comparison chart

Cascade mask R-CNN网络是由Cai等[35]提出，其是在Mask R-CNN基础上改进得到的，核心模型结构如图2b所示。与Mask R-CNN使用单一头部网络(即图2a中的H1)进行预测不同的是，Cascade mask R-CNN通过串行级联多个头部网络以达到不断优化预测的目的(即图2b中的H1、H2、H3)，前一个头部网络的输出作为后一个头部网络的输入，且不同头部网络采用不同大小交并比(Intersection over union，IOU)[36]阈值以确定预测结果中的正负样本，位置越靠后的头部网络其采用的IOU阈值越大，如图2b中①～③IOU阈值分别对应为0.5、0.6与0.7。Cascade mask R-CNN由于采用多阈值头部网络的级联结构，级联顺序按照阈值由小到大排列，不断修正目标位置及其像素点区域，避免了传统单一网络因为阈值设置误差所带来的性能损失问题。

2.2 循环残差注意力模块

常规卷积网络在特征提取过程中，其低阶提取特征语义信息欠缺，但目标位置准确，高阶特征语义信息丰富，但目标位置粗糙。FPN引入图像金字塔思想，能够考虑多种感受野信息，进而提取不同尺度特征，对高低阶特征进行有效融合，针对尺度较大或者较小的目标均有较强的识别效果，其网络结构如图3a所示，包括自底向上(Bottom-up)、自顶向下(Top-down)以及阶段输出(Stage-output)三大组件，对于Bottom-up组件，其实际为骨干网络不同阶段的输出(如ResNet网络)，经过每1次0.5倍(0.5×)下采样操作后，特征图分辨率大小降低一半，而对于Top-down组件，每经过2倍(2×)上采样操作后，特征图大小增为原来的2倍，并将上述上采样结果与对应层级的Bottom-up组件进行线性相加，得到相应层级的Stage-output输出。但传统FPN结构中不同尺度特征图间仅通过简单线性叠加的方式完成特征融合，忽视了不同层级分支间的非线性关联关系，注意力机制可提升利于任务相关的区域部位权重，抑制次要信息，进而提升模型效果，将其引入FPN结构中的高低阶特征融合中，势必将改善模型分割结果，本文结合FPN与注意力思想，提出加入RRA模块的FPN，其网络结构如图3b所示，RRA模块如图3c所示。

RRA模块由循环残差簇(Recurrent residual cluster, RRC)和注意力组件块(Attention component block, ACB) 2个部分构成，分别如图3c中①②所示。RRC簇中的详细操作如图3d所示，对于输入特征，其通过执行3×3大小卷积操作并将操作结果与输入特征进行残差融合形成循环残差模块(Recurrent residual block, RRB)，进而捕获输入特征的长距离依赖信息，为探究RRC内部RRB块数量对试验效果影响以寻找最适用于群养生猪实例分割的RRC簇，构建包含有N个RRB块的RRC簇记为 R RCN，其内部为N个RRB块经过循环级联方式堆叠以实现多重长距离信息获取；ACB块用于对RRC簇获取的高低阶特征融合进行注意力权重图计算，其分别对高低阶特征执行1×1大小卷积操作并将各自操作结果进行线性叠加，利用ReLU激活函数对叠加结果实现非线性化，此外，为进一步改善融合效果以扩大其注意力信息捕捉区域，对ReLU非线性操作后的结果拼接1×1大小卷积运算，并使用Sigmoid激活函数对其运算结果进行归一化以获取注意力结果图Att，并将Att与RRA模块输入的高低阶特征进行按位相乘操作，以对模块输入特征进行深度筛选，两大组件通过级联方式组合可用于捕捉语义与目标位置间的显著性依赖关系。上述RRA操作过程如式(1)～式(7)所示。

图3 传统FPN与加入RRA模块的FPN对比结构图Fig. 3 Comparative structure diagram of traditional FPN and FPN added with RRA module

式中，Fh与Fl分别表示RRA模块高阶与低阶特征输入，分别对应于FPN结构中的同层Top-down与Bottom-up模块，Fh′与Fl′分别表示经过2次RRC操作后高低阶特征对应的输出，Fh′′与Fl′′分别表示经过RRA模块输入与经过RRC簇处理后的输出结果间的融合特征，C onvsize×size(I)表示对I(例如Fh′′)执行卷积核大小为size×size(如1×1或者3×3)的卷积操作，其中I可以是任意特征图，σ1与 σ2分别表示ReLU与Sigmoid激活函数，Att表示经过ACB块处理后获取的注意力结果图，将其与RRA模块输入进行按位相乘得到最终RRA模块输出结果Output，Frrc表示RRC簇的特征输入。

3 试验平台参数及模型结果评价指标

3.1 试验平台参数

试验运行平台配置为16 GB Tesla V100 GPU，系统为Ubuntu16.04，采用PyTorch框架进行模型代码编写。1个批次训练8张图片，遍历完全部训练集数据称为1轮迭代，试验中设置迭代轮数为50。图像分辨率大小为512×256，数据集增强前的大小为1 917，数据增强后总数据集大小为3 834，将其划分为训练集、验证集和测试集，其中训练集大小为2 490，测试集大小为864，验证集大小为480。采用随机梯度下降(Stochastic gradient descent, SGD)作为优化器，优化器基础学习率超参数设置为0.005～0.030(“4.3”节会针对不同学习率大小进行对比试验)，为加速模型收敛避免其陷入局部最优解或者跳过最优解，设置正则化权值衰减系数(Weight decay)为0.000 1，设置动量因子(Momentum)为0.9。在图像输入网络前，对3个通道分别进行归一化处理，其均值分别为123.675、116.280和103.530，方差分别为58.395、57.120和57.375。模型训练中仅对符合阈值约束条件的目标框内部生猪个体进行分割损失值计算，对于Mask R-CNN任务网络，IOU和Score阈值均设置为0.5，对于Cascade mask R-CNN任务网络，参考自Cai等[35]关于Cascade R-CNN的论文，其3个级联网络IOU阈值分别设置为0.5、0.6和0.7、Score阈值设置为0.5。模型测试中采用COCO(http://mscoco.org/)指标进行模型优劣评价。

3.2 模型结果评价指标

模型采用实例分割领域公认的平均精度(Average precision，AP)作为评价标准，以衡量模型对群养环境下生猪分割能力。AP为精确率－召回率曲线下方面积，其计算方法如式(8)～(10)所示。

式中，P表示精确率，R表示召回率，TP表示模型预测为生猪个体区域且实际为生猪个体区域的样本数量，FP表示模型预测为生猪个体区域但实际不为生猪个体区域的样本数，FN表示预测为杂质背景区域但实际为生猪个体区域的样本数量。

考虑到选用不同的IOU阈值直接影响TP与假阳值FP给AP指标值带来波动，与COCO指标定义相同，选用 0.50、0.75、0.50～0.95(其中 0.50～0.95以0.05大小步长选取10个数)3种IOU阈值分别记为AP0.50、AP0.75、AP0.50-0.95以衡量不同条件下模型分割预测情况。同时考虑到本文生猪数据通过移动摄像头拍摄得到，摄像头与生猪个体距离不一带来生猪个体占图像比重大小差异问题，将生猪大小分为小目标(生猪个体所占区域面积≤322)、中等目标(322＜生猪个体所占区域面积≤962)与大目标(生猪个体所占区域面积＞962)，并在IOU值为0.50～0.95间单独计算大目标下的AP指标值，记为AP0.50-0.95-large。

4 结果与分析

4.1 不同骨干网络对任务网络的影响

骨干网络作为多种任务模型的共享结构，常被用于特征提取操作，为探究不同骨干网络对不同任务网络的群养生猪实例分割性能影响情况，选取常见的ResNet[6]衍生版本(ResNet50和ResNet101)作为骨干网络进行特征提取，将提取结果分别作为Mask R-CNN与Cascade mask R-CNN任务网络输入，并计算其在测试集上的各个分割AP指标值(表1)。

试验结果表明，相同骨干网络对Mask RCNN与Cascade Mask R-CNN任务网络群养生猪分割效果不一。以ResNet50作为骨干网络，选用Mask R-CNN比Cascade mask R-CNN作为任务网络在 AP0.50、AP0.75、AP0.50-0.95和 AP0.50-0.95-large指标上分别提升4.3%、3.5%、2.2%和2.2%。而将ResNet101作为骨干网络条件下，选用Cascade mask R-CNN 比 Mask R-CNN 在 AP0.50、AP0.75、AP0.50-0.95和AP0.50-0.95-large指标上分别提升17.4%、29.4%、17.3%和18.0%。可知，在选用不同骨干网络情况下，Mask R-CNN与Cascade mask R-CNN任务网络的性能状况呈现不同趋势，虽从网络自身结构上Cascade mask R-CNN通过级联多种IOU阈值输出结果理论上可获得更佳效果，但在骨干网络较浅的情况下，其效果却弱于Mask R-CNN。

表1 不同骨干网络下不同任务网络分割的平均精度(AP)1)Table 1 Average precision(AP) for different task networks under different backbone networks

在相同任务网络条件下，选用ResNet50作为骨干网络，其预测AP指标值均优于ResNet101。以Cascade mask R-CNN为例，选用ResNet50作为骨干网络比ResNet101在各个AP指标上提升0.8%～3.7%，ResNet50骨干网络相较于ResNet101其深度更浅，理论上其特征提取能力弱于后者，但深层网络可能会带来梯度消失问题，导致反向传播过程中无法将梯度有效传回，且在本文群养生猪环境下，图像中仅存在生猪个体单类别信息以及猪栏、杂物等可控信息，选用较浅的ResNet50网络在一定程度上能够提取到合理的图像特征，此外，选用较浅的ResNet50，其模型体积较小，训练也更为省时。

4.2 加入不同RRA模块对任务网络分割的影响

4.2.1 不同RRA模块对任务网络分割AP值的影响 为了能对群养环境中粘连生猪个体的猪体、猪鼻等细节部位差异性特征进行强化，以更好地提升分割边缘精度，有效将粘连生猪个体分离，避免光照、杂质等信息对分割效果的影响，本文构建了包含不同RRB块数的RRA循环残差注意力模块，将其嵌入Mask R-CNN与Cascade mask R-CNN两大任务网络中，并计算其在测试集上的分割AP指标值。表2表示不同骨干网络在引入不同数量循环残差注意力模块的任务网络上的分割AP指标值，其试验环境中选取的学习率大小为0.02。

试验结果表明, 在相同骨干网络条件下，加入RRA与未加入任何RRA模块的任务网络相比，其一般能提升分割预测AP值，即使在加入1个RRA模块后的部分试验模型下出现轻微的AP值降低现象(如Mask R-CNN-ResNet50在加入1个RRA模块后，其在AP0.50、AP0.75指标上与未加入RRA模块相比降低2.5%和0.8%)，但其仍能产生有竞争力的分割结果。加入2～4个RRA模块的任务网络中，在相同骨干网络条件下与未加入RRA模块的任务网络相比，均能带来大幅度的AP值提升，以ResNet101为骨干网络、Cascade mask R-CNN为任务网络为例，在加入2～4个RRA模块后，与未加入RRA模块相比，在AP0.50和AP0.75指标上分别提升3.9%～5.1%和11.4%～13.0%，证明RRA模块有利于群养环境下的生猪目标分割，这是因为RRA模块在FPN中的高低阶特性融合中引入注意力信息，对特征图中的每一点施以权重以对特征图信息进行重校准，有效激活诸如猪鼻、猪耳等利于分割的部位信息，抑制诸如猪粪、猪栏等杂质信息，改善了生猪分割部位准确性及分割边缘完整性。

表2 引入不同循环残差注意力(RRA)模块任务网络分割的平均精度(AP)1)Table 2 Average precision (AP) of task network segmentation with different recurrent residual attention (RRA) modules

在相同骨干网络条件下，加入不同RRA模块的任务网络其性能表现有较大差异。随着添加RRA模块中RRC簇中RRB块数的增加，各个骨干网络条件下的任务网络AP指标值均出现先增加后减小的现象，且在骨干网络固定时，加入2个RRA模块的任务网络均取得最佳AP值。以ResNet50作为骨干网络为例，将2个RRA模块加入Cascade mask R-CNN 任务网络中，其 AP0.50、AP0.75、AP0.50－0.95和AP0.75指标值分别达到0.874、0.767、0.631和0.654，比加入4个RRA模块在各个指标上分别提升1.0%、2.2%、1.7%和1.5%，说明并非加入越深的RRA模块对生猪的分割越有效，加入较浅的RRA模块(如1个模块)其循环残差注意力信息并未完全捕获所有有效猪体部位信息，而加入过深的RRA模块极易使模型出现过拟合，因此在实际融合RRA模块时以2～3层为宜。

4.2.2 不同RRA模块对任务网络分割结果可视化 为探究加入不同层级RRA模块的Cascade mask RCNN与Mask R-CNN模型在测试集上的预测情况，选用ResNet50作为骨干网络分别在2个任务网络上对部分分割结果进行可视化(图4)。

图4 加入不同循环残差注意力(RRA)模块的Cascade mask R-CNN与Mask R-CNN模型测试集预测结果可视化展示Fig. 4 Visual display of prediction results of Cascade mask R-CNN and Mask R-CNN model test sets with different recurrent residual attention(RRA) modules

如图4所示，与未加入RRA模块相比，Cascade mask R-CNN与Mask R-CNN模型在加入RRA模块后一般(加入1个RRA模块的例外)均能带来预测效果的提升，尤其是加入2个RRA模块，与相同条件下加入其他数量模块的模型相比均能取得最佳的分割效果。此外，在加入相同模块条件下，与Cascade mask R-CNN相比，Mask R-CNN分割边缘更为精细、分割结果更为精确。对于偏离镜头的生猪个体，如编号①的个体，除Mask R-CNN-ResNet50+2个RRA模块与Mask R-CNN-ResNet50+3个RRA模块这2种模型外，其余模型均未能对其进行分割，这可能是因为编号①的生猪个体距离镜头较远，其脸部区域未在镜头捕捉范围内，使得模型无法准确判断其是否属于生猪个体部位。而对于编号⑥的个体，所有模型均未能对其进行有效分割，这是因为编号⑥所处位置光线过于薄弱，同时其头部位置处遮挡严重，即使肉眼观看图片对其是否是生猪个体也会存在误判，在本文后续研究工作中将着重解决这种多复杂条件下不存在脸部区域、光线昏暗无法辨识等场景生猪实例分割准确度提升问题。

4.3 不同场景下不同模型预测结果可视化

为进一步探究在任务网络中加入不同层级RRA模块的模型在不同场景下的鲁棒性能，将生猪测试集分为深度分离、高度粘连、杂物遮挡3种场景，采用表现性能最佳的模型Mask R-CNNResNet50，可视化展示在加入不同RRA模块后的分割效果如图5所示。

从图5中可知，3种场景下，加入2个RRA模块的Mask R-CNN-ResNet50均能取得最佳的分割效果。对于深度分离场景中编号①的生猪个体，其因为距离镜头较远、猪舍光照条件较差，且被其他生猪个体部分遮挡，导致除加入2个RRA模块的模型外其余模型均未能将其从群养环境中分离出来，但加入2个RRA模块的模型仍能将其部分部位分割出来，这是因为合适层级的RRA模块能对有效生猪部位给予一定关注度，提升猪体部位的分割权重，将其与非猪体部位信息进行区别化对待，提升了分割的精准度；对于加入2个与3个RRA模块的模型在高度分离与杂物遮挡场景下的分割结果较为接近，但加入2个RRA模块的模型分割边缘更为圆润，如杂物遮挡场景下编号为⑤的生猪个体，加入2个RRA模块后的模型对猪耳分割部位更为精细完整。考虑到上述不同场景中加入2个RRA模块的Mask R-CNN-ResNet50模型能够取得最好的分割性能，实际中可将其作为群养生猪分割的参考模型。

图5 加入不同循环残差注意力(RRA)模块的Mask R-CNN-ResNet50模型对不同场景数据分割可视化展示Fig. 5 Visualization of the segmentation of different scene data using the Mask R-CNN-ResNet50 model added with different recurrent residual attention(RRA) modules

5 结论

本文在Mask R-CNN与Cascade mask RCNN两大任务网络中引入循环残差注意力信息，研究不同骨干网络对任务网络、包含不同数量的循环残差块的注意力模块对分割性能的影响，并对不同群养场景生猪分割结果进行可视化展示，主要结论如下：

1)不同骨干网络对Mask R-CNN与Cascade mask R-CNN等任务网络生猪分割效果具有一定影响。选用ResNet50为骨干网络，Mask R-CNN为任务网络能够取得最佳分割结果。

2)加入带有不同数量循环残差块的RRA模块对模型的提升幅度有所差异。加入2个RRA模块后对各个任务模型的提升效果最为明显，且随着RRA内部循环残差块数量的增加，任务模型各个预测分割AP指标值均出现先增加后减小的现象，说明并非循环残差块数量越多，其对应模型特征提取能力越强。

3)对比加入不同数量循环残差块的RRA模块后的Mask R-CNN-ResNet50模型，其在深度分离、高度粘连、杂物遮挡等群养场景下预测可视化结果表明，加入2个RRA模块后的分割效果最佳，加入1个RRA模块的效果最差。