基于Ghost-YOLOv3-2算法的2尺度猪目标检测  

Two-scale pig target detection based on Ghost-YOLOv3-2

作　　者：孙东来 王继超 陈科 孙士尉 刘昕彤 周闻天 Sun Donglai

机构地区：[1]河北水利电力学院自动化与通信工程学院,河北沧州061000 [2]山东大学控制科学与工程学院,山东济南250061 [3]河北省高校水利自动化与信息化应用技术研发中心,河北沧州061000 [4]华侨大学信息科学与工程学院,福建厦门361021

出　　处：《江苏农业科学》2022年第7期189-196,共8页Jiangsu Agricultural Sciences

基　　金：国家自然科学基金(编号:61773242);河北省教育厅青年基金(编号:QN2021228);河北省沧州市重点研发计划指导项目(编号:204102002);河北水利电力学院基本科研业务费专项。

摘　　要：为了提高养殖场猪目标检测的检出率和实时性,提出一种从特征提取骨干网络和特征金字塔网络这2个方面对YOLOv3算法进行改进的猪目标检测算法(Ghost-YOLOv3-2),并与经典YOLOv3、Ghost-YOLOv3、YOLOv3-2等3种算法进行对比研究。试验结果表明,特征提取骨干网络的残差单元中引入影子块,可以在保留原有信息容量的同时减少计算量,提高网络速度;特征金字塔网络融合低层细粒度信息与高层语义信息,将输出层改为2尺度,可以进一步提高模型的表达能力与网络的实时性;改进的Ghost-YOLOv3-2算法在猪目标检测中平均精度(AP)达到88.03%,较YOLOv3算法提高5.2%;速度达到23.61 f/s,较YOLOv3算法提高34.6%,所提算法对猪检测的检出率和实时性有一定的提高。

关 键 词：猪目标检测 Ghost-YOLOv3-2 深度学习 特征提取 检出率 实时性 

分 类 号：S126[农业科学—农业基础科学] TP18[自动化与计算机技术—控制理论与控制工程]