文献类型： 中文期刊

作者： 黄梦真 ¹ ; 李皞 ¹ ; 胡桓浚 ¹ ; 李梓芃 ² ; 盛钟尹 ¹ ; 刘义凡 ¹ ; 夏震言 ¹ ; 郑奥运 ¹ ;

作者机构： 1.武汉轻工大学数学与计算机学院

2.湖北省农业科学院畜牧兽医研究所

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。