摘要
野生动物资源是生态系统中的重要组成部分，对野生动物实施高效的检测有利于开展野生动物资源的保护工作，近年来在目标检测领域研究的不断深入，为野生动物的检测识别研究提供了很大的帮助。本文以自然保护区的部分野生动物图像数据为主要研究对象，提出了两种基于YOLOv3的改进算法，本文的主要工作包括以下几个方面： （1）野生动物图像数据集的构建。以红外相机在自然保护区采集野生动物图像为基础，构建野生动物图像数据集，再使用LabelImg对野生动物图像进行标注。为充分利用采集的数据，本文还采用光学变换和几何变换两种手段对已有的动物数据集进行增强。 （2）基于注意力机制的YOLOv3野生动物检测。本文在YOLOv3的DarkNet53特征提取网络上加入四个注意力机制模块。实验结果表明注意力模块的引入，使YOLOv3网络在增加少量计算量的条件下，提高模型的识别精度，其中加入了ECA注意力机制的YOLOv3算法在野生动物图像测试集的cocomAP达到了61.6%，与原有YOLOv3算法相比提高了3%。 （3）基于YOLOv3的轻量化野生动物检测。本文基于YOLOv3算法进行轻量化改进，采用轻量级的MobileNetv3网络替换YOLOv3的特征提取网络DarkNet53；在多尺度检测模块采用深度可分离卷积替换原有的3×3卷积；在多尺度检测模块采用PANet结构，进一步加强特征的融合。实验结果表明，改进后的算法在检测精度降低不大的情况下，检测速度从34FPS提升到66FPS。 在算法研究和改进的基础上，设计并实现了自然保护区智慧管理平台，系统实现了自然保护区信息的智慧大屏展示、员工信息管理，自然保护区资源信息管理，以及结合野生动物检测算法帮助工作人员实现动物信息图片录入分类工作。
NETL