无人机影像目标自动提取在羊群围捕中的应用研究

摘要：

挪威每年约有210万只羊在森林和山区自由放牧,在放牧季节结束时,农民们必须找到并围拢他们的羊,而这个过程非常耗时费力.现有跟踪羊群的方法包括铃铛、无线电铃、电子耳标和无人机等,这些方法受限于单价、信号覆盖、自动化程度低等缺点,无法高效自动地找到野外的羊.本文提出了一种基于无人机图像的羊群自动检测算法,使用ResNet和ResNeXt作为主干网络,设计了一种针对RGB和红外图像的羊群自动检测模型网络结构.本文分别利用RGB、红外和二者融合图像作为输入数据,对比模型检测效果,同时探讨了不同模型复杂性,并验证了模型泛化能力.实验结果表明,使用融合数据比单独使用一种数据能够获得更好的平均精度结果.不同复杂度和不同输入数据类型,其模型的验证数据集平均精度在69.6％～96.3％之间,处理时间在0.1～0.6 s之间.在置信阈值为0.5时,最优模型取得了 97.9％的网格准确率和90.1％的召回率,这对应于在验证数据集中检测到97.5％的羊,因此,本文提出的基于无人机RGB和红外图像的羊群自动检测算法可以为改进羊群围捕做出一定贡献.

关键词：羊群围捕、目标检测、深度学习、ResNet、ResNeXt、红外图像、RGB图像、融合

所属期刊栏目：25

分类号：TP751.1;P231;TP391.41

在线出版日期：2023-11-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：2281-2292