| 基于改进YOLO v4的肉鸽行为检测模型研究 |
| |
| 引用本文： | 郭建军,何国煌,徐龙琴,刘同来,冯大春,刘双印.基于改进YOLO v4的肉鸽行为检测模型研究[J].农业机械学报,2023,54(4):347-355. |
| |
| 作者姓名： | 郭建军 何国煌 徐龙琴 刘同来 冯大春 刘双印 |
| |
| 作者单位： | 仲恺农业工程学院 |
| |
| 基金项目： | 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)、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）和广州市增城区农村科技特派员项目(2021B42121631) |
| |
| 摘 要： | 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10 320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mAP<...
|
| 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 |
| 收稿时间： | 2022/7/18 0:00:00 |
Pigeon Behavior Detection Model Based on Improved YOLO v4 |
| |
| GUO Jianjun,HE Guohuang,XU Longqin,LIU Tonglai,FENG Dachun,LIU Shuangyin.Pigeon Behavior Detection Model Based on Improved YOLO v4[J].Transactions of the Chinese Society of Agricultural Machinery,2023,54(4):347-355. |
| |
| Authors: | GUO Jianjun HE Guohuang XU Longqin LIU Tonglai FENG Dachun LIU Shuangyin |
| |
| Institution: | Zhongkai University of Agriculture and Engineering |
| |
| Abstract: | |
| |
| Keywords: | pigeon behavior detection improved YOLO v4 multi-scale characteristics adaptively spatial feature fusion |
|
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
