基于改进YOLO v4的笼养蛋鸭行为实时识别方法

作     者：谷月 王树才 严煜 衡一帆 龚东军 唐诗杰 GU Yue;WANG Shucai;YAN Yu;HENG Yifan;GONG Dongjun;TANG Shijie

作者机构：华中农业大学工学院武汉430070 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2023年第54卷第11期

页      面：266-276页

核心收录：

学科分类：082804[工学-农业电气化与自动化] 0905[农学-畜牧学] 08[工学] 0828[工学-农业工程] 09[农学] 

基　　金：中央高校基本科研业务费专项资金项目(2662020GXPY005) 

主　　题：笼养蛋鸭 目标检测 性能优化 行为识别 YOLO v4 

摘      要：蛋鸭行为模式是判断笼养鸭养殖过程中健康状况及福利状态的重要指标,为了通过机器视觉实现识别蛋鸭多行为模式,提出了一种基于改进YOLO v4(You only look once)的目标检测算法,不同的行为模式为蛋鸭的养殖管理方案提供依据。本文算法通过更换主干特征提取网络MobileNetV2,利用深度可分离卷积模块,在提升检测精度的同时降低模型参数量,有效提升检测速度。在预测输出部分引入无参数的注意力机制SimAM模块,进一步提升模型检测精度。通过使用本文算法对笼养蛋鸭行为验证集进行了检测,优化后模型平均精度均值达到96.97%,图像处理帧率为49.28 f/s,相比于原始网络模型,平均精度均值及处理速度分别提升5.03%和88.24%。与常用目标检测网络进行效果对比,改进YOLO v4网络相较于Faster R-CNN、YOLO v5、YOLOX的检测平均精度均值分别提升12.07%、30.6%及2.43%。将本文提出的改进YOLO v4网络进行试验研究,试验结果表明本文算法可以准确地对不同时段的笼养蛋鸭行为进行记录,根据蛋鸭表现出的不同行为模式来帮助识别蛋鸭的异常情况,如部分行为发生异常时长或在异常时段发生等,从而为蛋鸭的养殖管理提供有价值的指导,为实现鸭舍自动化、智能化管理提供技术支持。