基于深度学习的牛脸目标检测研究

摘要：

为解决牛脸目标识别精度问题,研究以深度学习图像处理技术为支撑,采用一种基于轻量型牛脸数据集训练下的Yolov5目标检测算法模型,对采集到的涵盖复杂背景的牛只图像中的牛脸目标进行识别.在Yolov5 模型基础上针对牛脸部分细小目标对象检测能力做出改进.引入CBAM即插即用的注意力机制,增强网络对有意义区域的感知能力,并减少对牛舍背景复杂环境噪声等干扰信息的影响.融合BiFPN加权双向特征金字塔网络结构,可有效地融合牛只个体面部深层和浅层特征,提高网络对图像中包含牛只个体中大、小牛脸面部目标的检测能力.研究以小样本牛脸数据集支持,牛脸目标检测的平均准确率为 0.934.结果表明,该研究可在实际生产中对牛脸目标进行有效检测.

关键词：深度学习、目标检测、牛脸检测、Yolov5s

所属期刊栏目：36

分类号：TP391.41;TP18(计算技术、计算机技术)

资助基金：黑龙江八一农垦大学自然科学人才支持计划ZRCPY201814

在线出版日期：2024-08-27（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：86-97