基于改进YOLO v5复杂场景下肉鹅姿态的检测算法研究

文献类型： 中文期刊

第一作者： 刘璎瑛

作者： 刘璎瑛;曹晅;郭彬彬;陈慧杰;戴子淳;龚长万

作者机构： 南京农业大学人工智能学院;江苏省农业科学院畜牧研究所

关键词： 深度学习;YOLO v5;扬州鹅;姿态识别;注意力机制

期刊名称： 南京农业大学学报

ISSN： 1000-2030

年卷期： 2023 年 003 期

页码： 606-614

收录情况： 北大核心 ; CSCD

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。

分类号： TP391.41%S835

  • 相关文献

[1]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

[2]基于YOLO v5和多源数据集的水稻主要害虫识别方法. 梁勇,邱荣洲,李志鹏,陈世雄,张钟,赵健. 2022

[3]基于YOLOX改进模型的茶叶嫩芽识别方法. 俞龙,黄楚斌,唐劲驰,黄浩宜,周运峰,黄永权,孙佳琪. 2022

[4]基于注意力机制的农业文本命名实体识别. 赵鹏飞,赵春江,吴华瑞,王维. 2021

[5]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

[6]基于改进DeepLabV3+的梨树冠层分割方法. 陈鲁威,曾锦,袁全春,夏烨,潘健,吕晓兰. 2024

[7]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

[8]基于深度学习分类模型的4种果树物候期识别. 钟丹,李宗南,王思,黄平,邱霞,蒋怡. 2023

[9]基于TBTA网络的高光谱图像分类. 唐婷,潘新,罗小玲,闫伟红. 2023

[10]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

[11]基于姿态描述的果园靶标害虫自动识别方法. 李文勇,陈梅香,李明,孙传恒,杜尚丰. 2014

[12]基于RDN-YOLO的自然环境下水稻病害识别模型研究. 廖娟,刘凯旋,杨玉青,严从宽,张爱芳,朱德泉. 2024

[13]基于改进YOLO v5的复杂环境下柑橘目标精准检测与定位方法. 李丽,梁继元,张云峰,张官明,淳长品. 2024

[14]遮挡条件下多视角甜椒果实点云三维重构方法. 王昱,易振峰,谭文超,郭金菊,周星星,赵俊宏. 2024

[15]基于改进YOLO v5的宁夏草原蝗虫识别模型研究. 马宏兴,张淼,董凯兵,魏淑花,张蓉,王顺霞. 2022

[16]不同饲养方式对鹅繁殖性能影响的比较研究. 汤青萍,沈明君,章双杰,宋迟,刘宏祥,赵东伟,邹剑敏. 2014

[17]ω-6/ω-3多不饱和脂肪酸比例对生长期扬州鹅血脂代谢及冠脉事件预测因子的影响. 王梦芝,潘晓花,王剑飞,喻礼怀,王洪荣. 2011

[18]整粒或粉碎糙米、稻壳对仔鹅生产性能及屠宰性能的影响. 李文增,施寿荣,杨海明,邹剑敏,王志跃. 2010

[19]不同水平棉籽粕和菜籽粕对育肥期肉鹅生产及屠宰性能的影响. 章双杰,张斌,刘宏祥,朱春红,宋卫涛,徐文娟,陶志云,李慧芳. 2019

[20]扬州鹅能量、蛋白和粗纤维营养需要量研究. 章双杰,朱春红,宋卫涛,徐文娟,陶志云,刘宏祥,李慧芳. 2018

作者其他论文 更多>>

微信小程序