基于改进YOLOv5s的猪脸识别检测方法

摘要：

[目的]针对传统生猪养殖耳标识别存在易脱落、易引起生猪感染等问题,采用改进YOLOv5s的模型对猪脸进行非入侵式识别.[方法]首先将K-Means的距离改为1-IOU,提高模型目标锚框的适应度;其次,引入CA坐标注意力机制,提高模型特征提取的能力;最后,引入BiFPN特征融合,有效利用特征提高模型的检测能力.试验采用的猪脸数据集共分为5类,数据增强后样本为12 756张,训练集和测试集划分比例为9∶1.[结果]改进后的算法在准确率、召回率、平均精确率(IOU=0.5)分别达到0.926、0.897、0.955,比原始YOLOv5s算法分别提高13.2％、3.0％、2.2％,同时,改进后的算法在单只、多只、小目标、密集、有遮挡的场景下,泛化能力较强、识别精准度高.[结论]利用深度学习算法,可以获取生猪面部信息并准确识别,减少漏检、错检情况,为生猪智能化管理提供较好的技术支持.

关键词：猪脸识别、YOLOv5、K-Means、坐标注意力机制、BiFPN

所属期刊栏目：36

分类号：S2(农业工程)

资助基金：国家自然科学基金;安徽省科技重大专项项目;安徽省科技重大专项项目;安徽省教育厅自然基金项目

在线出版日期：2023-08-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1346-1356