基于改进YOLO v5复杂场景下肉鹅姿态的检测算法研究

作     者：刘璎瑛 曹晅 郭彬彬 陈慧杰 戴子淳 龚长万 LIU Yingying;CAO Xuan;GUO Binbin;CHEN Huijie;DAI Zichun;GONG Changwan

作者机构：南京农业大学人工智能学院江苏南京210031 农业农村部养殖装备重点实验室江苏南京210031 江苏省农业科学院畜牧研究所江苏南京210014 

基　　金：国家自然科学基金项目(31972551) 江苏省博士后科研资助计划项目(2020Z396) 国家现代农业产业技术体系岗位科学家资助项目(CARS-40-20) 

出 版 物：《南京农业大学学报》 (Journal of Nanjing Agricultural University)

年 卷 期：2023年第46卷第3期

页      码：606-614页

摘      要：[目的]肉鹅姿态是预警肉鹅异常行为、评判肉鹅健康状态的重要指标,针对传统养殖场人工观察肉鹅姿态耗时费力且有很大主观性等问题,提出了一种基于深度学习模型自动识别肉鹅姿态的检测算法。[方法]利用YOLO v5模型对扬州鹅4种姿态(站立、休憩、饮水和梳羽)进行识别;对YOLO v5模型加入SENet、CBAM、ECA三种注意力模块改进网络结构,提高模型的识别能力;设计明暗试验和密集场景试验进一步验证模型在复杂场景下的鲁棒性。[结果]YOLO v5+ECA模型的平均检测精度(mAP)为88.93%,相比YOLO v5提升了2.27%。在识别精度(AP)上,站立姿态为91.85%,休憩姿态为93.42%,饮水姿态为90.02%,梳羽姿态为80.42%。在明暗试验和密集场景试验中,YOLO v5+ECA模型性能表现稳定,漏检现象和误检现象相对较少。[结论]该模型可以实现养殖场复杂场景下肉鹅姿态准确快速检测,为后续肉鹅行为监控和健康防疫提供数据支撑。

主 题 词：深度学习 YOLO v5 扬州鹅 姿态识别 注意力机制 

学科分类：1305[艺术学-设计学类] 13[艺术学] 08[工学] 081104[081104] 0905[农学-林学类] 09[农学] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

核心收录：

D　O　I：10.7685/jnau.202205016

馆 藏 号：203121853...