融合亮度自适应模块的端到端低光环境黑猪检测技术研究

文献类型： 中文期刊

第一作者： 黄梦真

作者： 黄梦真;李皞;胡桓浚;李梓芃;盛钟尹;刘义凡;夏震言;郑奥运

作者机构：

关键词： 黑猪盘点;目标检测;注意力机制;低光增强;特征提取;YOLOv7;智慧养殖

期刊名称： 中国农业科技导报(中英文)

ISSN： 1008-0864

年卷期： 2025 年 27 卷 006 期

页码： 113-125

收录情况： 北大核心 ; CSCD

摘要： 为解决低光环境下黑猪图像质量差、识别与定位难度大，以及黑猪聚集时因遮挡和粘连导致的误检与漏检问题，提出LADnet(low-light animal detection network)检测模型。首先，采用亮度自适应模块（illuminationadaptive-transformer,IAT）及坐标注意力机制（coordinate attention,CA）对图像进行增亮与降噪处理；接着，设计了选择核卷积注意力（selective kernel convolutional attention,SKCA）模块，以提高模型对黑猪的感知能力；最后，利用ReLU激活函数解决了梯度消失和梯度爆炸等问题。结果表明，LADnet模型的精确率、召回率和平均准确率（mAP@0.5）分别达到97.32%、86.61%和92.73%，与基准模型相比，分别提升1.07、6.15和3.05个百分点；与单阶段目标检测模型SSD、YOLOv5相比，LADnet的平均准确率分别高出8.33、7.35个百分点；与两阶段目标检测模型Cascade R-CNN、Faster R-CNN、DAB＿DETR相比，LADnet在检测精度提高的同时，具有更小的参数量和更快的检测速度，更符合实时检测要求。LADnet模型在低光黑猪检测任务中展现出卓越的检测性能和更高的鲁棒性，为低光环境下的黑猪精准识别提供了一种高效可靠的工具，对推动低光智慧养殖的发展具有重要意义。

分类号： S828%TP391.41

  • 相关文献

[1]基于改进YOLOv7的设施番茄苗期株高检测方法研究. 程雅雯,康睿,任妮,周玲莉,卢鑫羽,吴茜. 2024

[2]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

[3]基于注意力机制和多尺度残差网络的农作物病害识别. 黄林生,罗耀武,杨小冬,杨贵军,王道勇. 2021

[4]基于高光谱成像和Att-BiGRU-RNN的柑橘病叶分类. 吴叶兰,管慧宁,廉小亲,于重重,廖禺. 2023

[5]增强型双重Unet(ED-Unet)烟叶病斑分割模型的建立. 陈自立,彭一龙,王从胜,王爱国,刘剑君,王来刚,林卫,郭燕. 2025

[6]改进YOLOv4的温室环境下草莓生育期识别方法. 龙洁花,郭文忠,林森,文朝武,张宇,赵春江. 2021

[7]基于改进YOLO v5的复杂环境下桑树枝干识别定位方法. 李丽,卢世博,任浩,徐刚,周永忠. 2024

[8]基于改进YOLOv5s的硬核期葡萄簇检测. 冯晓,张辉,刘运超,张微,李小红,马中杰. 2024

[9]基于YOLOv5s-SE和通道剪枝的虫咬紫金蝉茶检测方法研究. 戴佳兵,宋春芳,凌彩金,李臻锋,孙崇高. 2024

[10]基于YOLOv5改进模型的丁香鱼围网作业目标检测研究. 张佳泽,张胜茂,樊伟,唐峰华,杨胜龙,孙永文,王书献,刘洋,朱文斌. 2023

[11]基于坐标注意力机制与高效边界框回归损失的线虫快速识别. 陆健强,梁效,余超然,兰玉彬,邱洪斌,黄捷伟,尹梓濠,陈慧洁,郑胜杰. 2022

[12]基于改进YOLOv5n模型的农作物病虫害识别方法. 承达瑜,赵伟,何伟德,武择鹏,王建东. 2024

[13]基于改进YOLO v8的轻量化稻瘟病孢子检测方法. 罗斌,李家超,周亚男,潘大宇,黄硕. 2024

[14]基于改进YOLOv5s的咖啡果实成熟度检测方法. 罗锟鹏,文勇,曾志康. 2025

[15]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

[16]人工智能驱动智慧奶牛养殖的思考与实践. 夏雪,侍啸,柴秀娟. 2020

[17]白羽肉鸡养殖精细化通风技术. 潘爱銮,申杰,杨延林,皮劲松,吴艳,蒲跃进,张昊,孙静,黄涛,黄竹林,段俊,梁振华,杜金平. 2021

[18]中国智慧蜂业发展现状及对策. 游兆彤,虞轶俊,孔亚广. 2014

[19]中国奶业的数字化与挤奶机器人的现在和未来. 韩萌. 2024

[20]智能化奶牛养殖与自愿挤奶系统专栏. 韩萌. 2024

作者其他论文 更多>>

微信小程序