基于改进实例分割算法的区域养殖生猪计数系统

文献类型： 中文期刊

第一作者： 张岩琪

作者： 张岩琪;周硕;张凝;柴秀娟;孙坦

作者机构：

关键词： 生猪计数;深度学习;微信小程序;YOLOv8;实例分割

期刊名称： 智慧农业(中英文)

ISSN： 2096-8094

年卷期： 2024 年 004 期

页码： 53-63

摘要： [目的/意义]针对现有规模化猪场生猪计数需求场景多，人工计数效率低、成本高等问题，提出一种基于改进实例分割深度学习算法和微信公众平台的区域养殖生猪计数方法。[方法]首先，利用智能手机拍摄养殖场猪只视频，对视频抽帧进一步生成图像数据集。其次，通过改进卷积块注意力模块（Convolutional Block Attention Module, CBAM）中忽略通道与空间相互作用及通道注意力中降维操作带来的效率较低问题，提出高效全局注意力模块，并将该模块引入基于回归分析的单阶段实例分割网络YOLO (You Only Look Once) v8中对获取的生猪图像进行分割，构建新的识别模型YOLOv8x-Ours，以实现高精度的生猪计数。最后，基于微信公众平台开发微信小程序，并嵌入综合表现最优的生猪计数模型，实现使用智能手机拍摄图像进行生猪快速计数。[结果和讨论]在测试集上的试验结果表明，与现有实例分割模型相比，引入高效全局注意力的YOLOv8x-Ous模型获得66%的平均精度（AP(50∶95)），平均绝对误差（Mean Absolute Error, MAE）、均方根误差（Root Mean Square Error, RMSE）和R2分别为1.727、2.168和0.949，表现出较高的准确性和稳定性。模型计算猪只数量误差小于3头猪的图像数量占测试图像总数量的93.8%，相比两阶段实例分割算法Mask R-CNN (Region Convolutional Neural Network)提升7.6%；单幅图像平均处理时间仅为64 ms，是Mask R-CNN的1/8。[结论]该方法经济高效，为规模化猪场的生猪计数提供了一种技术方案。

分类号： S828%TP391.41

  • 相关文献

[1]入侵昆虫识别微信小程序设计与实现. 黄亦其,沈豪,王福宽,钱万强,董双玉,乔曦. 2023

[2]基于实例分割的柑橘花朵识别及花量统计. 邓颖,吴华瑞,朱华吉. 2020

[3]基于实例分割技术的草莓叶龄及冠幅表型快速提取方法. 樊江川,王源桥,苟文博,蔡双泽,郭新宇,赵春江. 2024

[4]基于水面红外图像的深海网箱鱼群夜间智能监测方法研究. 要紫丹,黄小华,李根,胡昱,庞国良,袁太平. 2024

[5]基于改进YOLOv8的自然环境下柑橘果实识别. 余圣新,韦莹莹,方辉,李敏,柴秀娟,曾志康,覃泽林. 2024

[6]基于改进YOLOv8卷积神经网络的稻田苗期杂草检测方法. 林宗缪,马超,胡冬. 2024

[7]基于改进YOLOv8卷积神经网络的蟹味菇检测方法. 林宗缪,马超,胡冬. 2024

[8]复杂场景下害虫目标检测算法:YOLOv8-Extend. 张荣华,白雪,樊江川. 2024

[9]新媒体环境下科技期刊微信小程序应用探究. 逯连静,陈国荣,徐琳君. 2022

[10]辽宁省种质资源信息微官网(MLGRIS)设计与开发. 孟未来,路明祥. 2019

[11]基于微信小程序的农业精准扶贫信息平台研究-以湖南省农业科学院对口扶贫点为例. 于超,张哲,罗建军,李祺,张智优,王威. 2019

[12]基于微信小程序的重庆优质稻种资源库开发. 易婧,喻林,丁志祥,敬廷桃,阎应红,李晓梅,姚强. 2018

[13]深度学习方法在农业领域的研究及应用. 马聪,张建华,陈学东,朱丹. 2020

[14]基于深度卷积神经网络的红树林物种无人机监测研究. 黄亦其,刘琪,赵建晔,黄文善,孙中宇,乔曦. 2020

[15]基于卷积神经网络的农机图像自动识别研究. 雷雪梅,张光强,姚旗,刘伟渭,邱帅. 2022

[16]基于迁移学习和金字塔卷积网络的河蟹个体图像识别方法研究. 冯裕清,杨信廷,徐大明,罗娜,陈枫,孙传恒. 2022

[17]基于词向量的检索扩展方法与农业领域实证. 吴蕾,梁晓贺,乌吉斯古楞,王瑞. 2019

[18]基于神经网络的文献主题国别标引方法研究. 王新. 2019

[19]基于无人机遥感的盛花期薇甘菊爆发点识别与监测. 孙中宇,荆文龙,乔曦,杨龙. 2019

[20]基于YOLOv3深度卷积神经网络的田间百香果定位. 林营志,卢依琳,刘现. 2019

作者其他论文 更多>>

微信小程序