基于改进YOLOv5网络的牧区牛粪检测方法

S126; 中国草原面积广阔,牛粪作为草原畜牧业的副产品,既对牧草生长有负面影响,又是重要的资源.牛粪分布零散,传统捡拾方式效率低,为了解决上述问题,该文提出一种改进牛粪图像检测模型,用于检测牧区牛粪,以提高牛粪捡拾的效率和智能化水平.1)替换注意力机制轻量化主干网络EfficientFormerV2,提高对边界敏感性并减少模型复杂度.2)改进颈部网络BiFPN,增强特征融合能力.3)改进损失函数Inner-IoU,提高边界框回归的定位精度.4)替换瓶颈层改进FasterNet block,以减少计算复杂度并加快推理速度.5)添加捡拾判断机制,利用预测阶段检测框对区域牛粪做出分类.改进后的网络...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 40; no. 22; pp. 145 - 153
Main Authors 那日苏, 翟立浩, 邢海鹏, 张泉
Format Journal Article
LanguageChinese
Published 内蒙古工业大学机械工程学院,呼和浩特 010010 01.11.2024
Subjects
牛粪捡拾
image processing
卷积神经网络
collecting cow manure
图像处理
manures
粪污
convolutional neural networks
Online AccessGet full text

Cover

More Information
Summary:S126; 中国草原面积广阔,牛粪作为草原畜牧业的副产品,既对牧草生长有负面影响,又是重要的资源.牛粪分布零散,传统捡拾方式效率低,为了解决上述问题,该文提出一种改进牛粪图像检测模型,用于检测牧区牛粪,以提高牛粪捡拾的效率和智能化水平.1)替换注意力机制轻量化主干网络EfficientFormerV2,提高对边界敏感性并减少模型复杂度.2)改进颈部网络BiFPN,增强特征融合能力.3)改进损失函数Inner-IoU,提高边界框回归的定位精度.4)替换瓶颈层改进FasterNet block,以减少计算复杂度并加快推理速度.5)添加捡拾判断机制,利用预测阶段检测框对区域牛粪做出分类.改进后的网络模型在准确率为92.6％,召回率为87.7％,平均精度均值为87.4％的情况下,参数量减少到4.02M,浮点运算量减少到8.1G,检测速度提升到34.7帧/s.试验结果表明,改进模型在保持模型轻量化的同时,具有较高的平均精度均值,能够有效地完成牧区牛粪的识别与定位任务,适合在资源受限的移动设备和牧区环境中应用,为牛粪智能化捡拾车的研究提供技术支持.
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.202405003