期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进YOLO v5复杂场景下肉鹅姿态的检测算法研究
被引量:
4
1
作者
刘璎瑛
曹晅
+3 位作者
郭彬彬
陈慧杰
戴子淳
龚长万
《南京农业大学学报》
CAS
CSCD
北大核心
2023年第3期606-614,共9页
[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...
[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。
展开更多
关键词
深度学习
YOLO
v5
扬州鹅
姿态识别
注意力机制
下载PDF
职称材料
题名
基于改进YOLO v5复杂场景下肉鹅姿态的检测算法研究
被引量:
4
1
作者
刘璎瑛
曹晅
郭彬彬
陈慧杰
戴子淳
龚长万
机构
南京农业大学人工智能学院
农业农村部养殖装备重点实验室
江苏省农业科学院畜牧研究所
出处
《南京农业大学学报》
CAS
CSCD
北大核心
2023年第3期606-614,共9页
基金
国家自然科学基金项目(31972551)
江苏省博士后科研资助计划项目(2020Z396)
国家现代农业产业技术体系岗位科学家资助项目(CARS-40-20)。
文摘
[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。
关键词
深度学习
YOLO
v5
扬州鹅
姿态识别
注意力机制
Keywords
deep learning
YOLO v5
Yangzhou goose
posture recognition
attention mechanism
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
S835 [农业科学—畜牧学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进YOLO v5复杂场景下肉鹅姿态的检测算法研究
刘璎瑛
曹晅
郭彬彬
陈慧杰
戴子淳
龚长万
《南京农业大学学报》
CAS
CSCD
北大核心
2023
4
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部