【技术实现步骤摘要】
一种基于改进YOLOv5的目标识别检测方法
[0001]本专利技术属于目标检测
,具体涉及一种基于改进YOLOv5的目标识 别检测方法。
技术介绍
[0002]随着现代养殖业的发展,生猪生产管理日趋福利化、系统化、智能化,而 精准识别生猪个体是其中重要的一环。传统生猪个体识别主要有涂抹颜料、烙 印、佩戴耳标、射频识别(radio frequency identification,RFID)等方式。其中, 涂抹颜料、烙印、佩戴耳标都有标记脱落以及感染等问题,不利于生猪的生产 管理。射频识别则是成本高并且信号易受到金属物质的干扰。
[0003]近年来随着机器学习的发展,当代养殖业逐渐采用神经网络对生猪个体进 行非入侵式识别。其中应用到猪脸识别的神经网络主要有:Marsort等搭建了 基于卷积神经网络的自适应猪脸识别方法,准确率达到了83%;何屿彤等提出 基于改进YOLOv3的猪脸识别,准确率达到90.12%;Hansen等提出基于卷积、 最大池化以及密连等结构的CNN模型,在猪脸识别效果上有所提升。燕红文 等提出改进Tiny
‑
YOLO模型的生猪脸部姿态识别方法,准确率达到了82.38%; Eric T.Psota等搭建一种全卷积神经网络对生猪进行实例分割,准确率达到了 91%。这些非侵入式方法体现了生猪生产的福利化,但是在识别准确率方面有 待进一步的提升。
[0004]因此,本专利技术提出了一种基于改进YOLOv5的目标识别检测方法。
技术实现思路
[0005]为 ...
【技术保护点】
【技术特征摘要】
1.一种基于改进YOLOv5的目标识别检测方法,其特征在于,包括以下步骤:采集目标图像样本数据,构建样本数据集;对样本数据集进行扩容处理,得到待识别数据集;对目标检测算法YOLOv5进行改进,获得改进的目标检测算法YOLOv5,具体包括:将K均值维度聚类算法K
‑
Means的欧氏距离改为1
‑
IOU,采用K
‑
Means算法确定先验锚框,优化目标检测算法YOLOv5的目标锚框;在目标检测算法YOLOv5的主干网络中引入协调注意力机制CA;采用BiFPN改进目标检测算法YOLOv5的双向跨尺度连接,并进行加权特征融合,获得改进后的目标检测算法YOLOv5;利用改进的目标检测算法YOLOv5对待识别数据集中的图像信息进行识别,获得识别结果。2.根据权利要求1所述的基于改进YOLOv5的目标识别检测方法,其特征在于,所述采集目标图像样本数据具体包括:通过远程控制系统操控摄像头进行旋转,实现分时采集,获得包含不同特征的图像样本数据。3.根据权利要求1所述的基于改进YOLOv5的目标识别检测方法,其特征在于,所述样本数据集进行扩容处理,包括以下步骤:对样本数据集进行随机裁剪、随机偏移、Mosaic数据增强,并使用图片标注工具labelImg手动对图像标框并赋标签名后保存,保存的XML文件包含了目标图像的目标框坐标与类别信息;将目标标签后的数据集划分为训练集与测试集样本;所述Mosaic数据增强即把训练集中的多张实验图片图像拼凑成一张,用于对改进后的目标检测算法YOLOv5进行训练。4.根据权利要求3所述的基于改进YOLOv5的目标识别检测方法,其特征在于,在对样本数据集进行扩容处理前,对样本数据集进行筛选和整合。5.根据权利要求1所述的基于改进YOLOv5的目标识别检测方法,其特征在于,所述在目标检测算法YOLOv5的主干网络中引入协调注意力机制CA时,对全局池化的方式进行分解,转化为两个一维特征编码,具体包括:首先给定输入图像X,使用尺寸为(H,1)以及(1,W)的平均池化分别沿着水平坐标和垂直坐标对每个通道进行编码,H为坐标高度,W为坐标宽度;高度为h和宽度为w的第c通道的输出分别表示为下式:高度为h和宽度为w的第c通道的输出分别表示为下式:式中i和w分别为宽度和高度的变化量,上述2种变换分别沿两个空间方向聚合特征,得到一对方向感知的特征图;通过信息嵌入中的变换后,将输出的高度z
h
,和宽度z...
【专利技术属性】
技术研发人员:李广博,查文文,焦俊,陈成鹏,辜丽川,时国龙,马慧敏,陶亮,彭硕,
申请(专利权)人:安徽农业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。