-
题名基于深度学习的奶牛乳头检测方法研究
- 1
-
-
作者
席横流
王磊
王成军
夏事成
-
机构
安徽科技学院机械工程学院
巢湖学院电子工程学院
安徽理工大学人工智能学院
-
出处
《内蒙古民族大学学报(自然科学版)》
2024年第3期58-66,共9页
-
基金
安徽省自然科学基金项目(2208085MF169)
安徽省高校协同创新项目(GXXT-2019-018)。
-
文摘
为提高奶牛乳头目标检测的精度和速度,在YOLOv5算法中引入卷积注意力机制(Convolutional Block Attention Module,CBAM)和轻量级卷积模块(Ghost module),提出一种改进的CG-YOLOv5目标识别算法。改进的方法:首先,引入CBAM注意力机制,用于学习和提取奶牛乳头目标图像相关特征;其次,通过Ghost模块轻量化C3骨干网络,减少参数和计算量;最后,采用EIoU(Efficient iou)损失函数替换CIoU(Complete iou)的方法,以提高模型的回归精度和收敛速度。试验结果表明:改进的CG-YOLOv5目标识别算法在奶牛乳头数据集上表现出色,平均检测精度达到92%,检查帧率达到33.6,相较于原YOLOv5算法分别提高4%和16%。该算法在检测精度和速度上均优于原YOLOv5算法,验证了提出的CG-YOLOv5算法在奶牛乳头实时检测等场景的适用性。
-
关键词
YOLOv5
奶牛乳头数据集
CBAM注意力机制
Ghost模块
EIoU损失函数
-
Keywords
YOLOv5
cow’s nipple dataset
CBAM attention mechanism
Ghost module
EIoU loss function
-
分类号
S23
[农业科学—农业机械化工程]
-