针对生猪智能化管理中传统标识方法存在的易脱标,易引起生猪感染等问题,采用基于改进YOLOv3模型的非侵入式方法,对生猪多个体识别进行研究.针对原有的YOLOv3模型,在Darknet53特征提取器中引入密连块,结合下采样层组成新的骨干网络;在YOLOv3模型中添加改进的SPP单元,最终构建了YOLOv3 DB_SPP模型.试验采用的猪脸数据集共分为10类,数据增强后样本为8 512张,训练集和测试集比例约为9∶1.结果 表明:1)YOLOv3 DB SPP模型在各分类概率阈值下检测猪脸数据集时的平均精度均值均高于YOLOv3模型;2)当IOU阈值为0.5,分类概率阈值为0.1时,YOLOv3_DB_SPP模型的平均精度均值比YOLOv3模型高9.87％;3)YOLOv3 DB SPP模型检测远距离有遮挡的小目标样本时,平均精度值均高于YOLOv3模型.YOLOv3_DB_SPP模型用于猪脸识别时,能够提高基础特征提取器的特征提取能力以及检测器的准确率.
国家科技期刊平台
NSTL
万方数据
维普
