融合特征金字塔与可变形卷积的高密度群养猪计数方法

文献类型： 中文期刊

第一作者： 王荣

作者： 王荣;高荣华;李奇峰;冯璐;白强;马为红

作者机构：

关键词： 高密度群养猪;计数模型;实例分割;SOLO v2;多尺度特征金字塔网络;可变形卷积

期刊名称： 农业机械学报

ISSN：

年卷期： 2022 年 010 期

页码： 252-260

收录情况： EI ; 北大核心 ; CSCD

摘要： 针对猪只人工计数方法消耗时间和劳动力，育肥猪较为活跃且喜好聚集，图像中存在大量的高密度区域，导致猪只之间互相粘连、遮挡等问题，基于SOLO v2实例分割算法，提出了一种自然养殖场景下融合多尺度特征金字塔与二代可变形卷积的高密度群养猪计数模型。通过优化模型结构来减少计算资源的消耗与占用。将科大讯飞给出的猪只计数的公开数据集划分为猪只分割数据集和猪只盘点测试集，利用猪只分割数据集获得较好的分割模型，然后在猪只盘点测试集中测试盘点准确率，实现猪群分割和猪只计数。实验结果表明，本文提出的高密度猪只计数模型的分割准确率达到96.7%,且模型内存占用量为256 MB,为改进前的2/3,实现了遮挡、粘连和重叠情况下的猪只个体高准确率分割。在含有500幅猪只图像计数测试集中，模型计算猪只数量误差为0时的图像数量为207幅，较改进前提高26%。模型计算猪只数量误差小于2头猪的图像数量占测试图像总数量的97.2%。模型计算猪只数量误差大于3头猪的图像数量占总体图像数量比例仅为1%。最后，对比基于YOLO v5的群养猪计数方法，本文模型具有更优的分割效果和计数准确率，验证了本文方法对群养猪只计数的有效性。因此，本文模型既实现了高密度猪群的精准计数，还通过优化模型结构大大降低了模型对计算设备的依赖，使其适用于养殖场内猪群在线计数。

分类号： TP391.41%S828

  • 相关文献

[1]农民互联网应用采纳决策及应用强度影响因素研究——基于北京郊区712名农民的调查数据. 郭建鑫,赵清华,赵继春. 2017

[2]基于改进YOLOv8s的大田甘蓝移栽状态检测算法. 吴小燕,郭威,朱轶萍,朱华吉,吴华瑞. 2024

[3]MDSD-YOLO:一种复杂道路场景目标检测方法. 赵龙阳,李天豪,张会兵,刘琦,孟瑞敏. 2025

[4]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

[5]基于改进实例分割算法的区域养殖生猪计数系统. 张岩琪,周硕,张凝,柴秀娟,孙坦. 2024

[6]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

[7]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

[8]基于改进YOLO v8n-seg的群猪分割方法研究. 王兴家,郑纪业,盛清凯,杨亮,张霞. 2025

[9]基于YOLOv8分割与形态学处理的黄鳝体长测量方法研究. 翟云涛,袁泉,杨航,周文宗,张春燕,徐震. 2025

作者其他论文 更多>>

微信小程序