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 v4的肉鸽行为检测模型研究
被引量:
1
1
作者
郭建军
何国煌
+3 位作者
徐龙琴
刘同来
冯大春
刘双印
《农业机械学报》
EI
CAS
CSCD
北大核心
2023年第4期347-355,共9页
肉鸽行为表现与鸽舍环境舒适度和肉鸽健康状况密切相关。为实现肉鸽行为精准检测、及时掌握肉鸽健康状况,提出了基于改进YOLO v4模型的肉鸽行为检测方法。由于肉鸽社交等行为特征相似性程度高,为了在复杂环境下准确识别肉鸽行为,本文采...
肉鸽行为表现与鸽舍环境舒适度和肉鸽健康状况密切相关。为实现肉鸽行为精准检测、及时掌握肉鸽健康状况,提出了基于改进YOLO v4模型的肉鸽行为检测方法。由于肉鸽社交等行为特征相似性程度高,为了在复杂环境下准确识别肉鸽行为,本文采用自适应空间特征融合(Adaptively spatial feature fusion,ASFF)模块改进YOLO v4模型,在特征金字塔网络中增加ASFF模块,根据特征权值自适应融合多层特征,充分利用不同尺度特征信息,并且ASFF模块能有效过滤空间冲突信息、抑制反向梯度不一致问题、改善特征比例不变性以及降低推理开销。基于多时段的肉鸽清洁和社交行为数据集,自制5类肉鸽行为图像数据库,采用OpenCV工具进行模糊、亮度、水雾和噪声等处理扩充图像数据集(共10320幅图像),增加数据多样性和模拟不同识别场景,提升模型泛化能力。本文按照比例8∶2划分训练集和验证集,训练总共迭代300个周期,对不同时段、角度、尺寸的肉鸽数据集进行检测。检测结果表明,在阈值0.50和0.75时YOLO v4 ASFF检测精度比YOLO v4的mAP50和mAP75提高14.73、14.97个百分点。对比Faster R CNN、SSD、YOLO v3、YOLO v5和CenterNet模型验证本文模型检测性能,在测试集中mAP50分别提高13.98、14.00、18.63、14.16、10.87个百分点。视频检测速度为8.1 f/s,在推理速度相当情况下,本文改进模型识别准确率更高,复杂环境泛化能力更强,且对相似度高的行为误检和漏检情况更少,可为智能化肉鸽养殖和科学管理提供技术参考。
展开更多
关键词
肉鸽行为检测
改进YOLO
v4
多尺度特征
自适应空间特征融合
下载PDF
职称材料
题名
基于改进YOLO v4的肉鸽行为检测模型研究
被引量:
1
1
作者
郭建军
何国煌
徐龙琴
刘同来
冯大春
刘双印
机构
仲恺农业工程学院信息科学与技术学院
仲恺农业工程学院智慧农业创新研究院
仲恺农业工程学院广东省农产品安全大数据工程技术研究中心
仲恺农业工程学院省级现代农业(农产品质量安全溯源)产业技术研发中心
出处
《农业机械学报》
EI
CAS
CSCD
北大核心
2023年第4期347-355,共9页
基金
国家自然科学基金项目(61871475)
广东省基础与应用基础研究基金项目(2022B1515120059)
+3 种基金
广州市重点研发计划项目(202103000033)
广东省普通高校创新团队项目(2021KCXTD019)
广东省企业科技特派员项目(GDKTP2021004400)
广州市增城区农村科技特派员项目(2021B42121631)。
文摘
肉鸽行为表现与鸽舍环境舒适度和肉鸽健康状况密切相关。为实现肉鸽行为精准检测、及时掌握肉鸽健康状况,提出了基于改进YOLO v4模型的肉鸽行为检测方法。由于肉鸽社交等行为特征相似性程度高,为了在复杂环境下准确识别肉鸽行为,本文采用自适应空间特征融合(Adaptively spatial feature fusion,ASFF)模块改进YOLO v4模型,在特征金字塔网络中增加ASFF模块,根据特征权值自适应融合多层特征,充分利用不同尺度特征信息,并且ASFF模块能有效过滤空间冲突信息、抑制反向梯度不一致问题、改善特征比例不变性以及降低推理开销。基于多时段的肉鸽清洁和社交行为数据集,自制5类肉鸽行为图像数据库,采用OpenCV工具进行模糊、亮度、水雾和噪声等处理扩充图像数据集(共10320幅图像),增加数据多样性和模拟不同识别场景,提升模型泛化能力。本文按照比例8∶2划分训练集和验证集,训练总共迭代300个周期,对不同时段、角度、尺寸的肉鸽数据集进行检测。检测结果表明,在阈值0.50和0.75时YOLO v4 ASFF检测精度比YOLO v4的mAP50和mAP75提高14.73、14.97个百分点。对比Faster R CNN、SSD、YOLO v3、YOLO v5和CenterNet模型验证本文模型检测性能,在测试集中mAP50分别提高13.98、14.00、18.63、14.16、10.87个百分点。视频检测速度为8.1 f/s,在推理速度相当情况下,本文改进模型识别准确率更高,复杂环境泛化能力更强,且对相似度高的行为误检和漏检情况更少,可为智能化肉鸽养殖和科学管理提供技术参考。
关键词
肉鸽行为检测
改进YOLO
v4
多尺度特征
自适应空间特征融合
Keywords
pigeon behavior detection
improved YOLO v4
multi⁃scale characteristics
adaptively spatial feature fusion
分类号
TP391 [自动化与计算机技术—计算机应用技术]
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 v4的肉鸽行为检测模型研究
郭建军
何国煌
徐龙琴
刘同来
冯大春
刘双印
《农业机械学报》
EI
CAS
CSCD
北大核心
2023
1
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