基于轻量化网络的无人机航拍牛羊目标识别研究  

作　　者：赵明辉 郝敏[1] 

机构地区：[1]内蒙古农业大学机电工程学院,内蒙古呼和浩特010018

出　　处：《南方农机》2024年第20期17-20,34,共5页

基　　金：内蒙古自治区直属高校基本科研业务费(BR221032)。

摘　　要：[目的]实现对草原放牧情况的实时监测和对载畜量的快速自动检测,促进草原生态系统的健康可持续发展,从而实现草畜平衡。[方法]采用深度学习方法对无人机拍摄的牛羊图像进行检测,为了提高模型的检测速度,进行轻量化改进。除了第一个Conv结构,将YOLOv5s模型的Backbone网络中其他的Conv结构和C3结构全部换成GhostConv结构和C3Ghost结构,以减少模型的计算成本。[结果]与原模型相比,YOLOv5s-Ghost模型的准确率、mAP分别下降了1个百分点、0.4个百分点,但模型的参数量减少了约50%,仅为7.43 MB;FPS为89.73,比原模型增加了42.12,检测速度大大提升。[结论]改进模型具有精度高、体积小等优势,不仅提高了检测速度,而且在实例检测中具有较好的检测效果,对于轻量化的无人机目标检测研究具有一定的参考价值。

关 键 词：无人机 YOLOv5s 轻量化 GHOST 

分 类 号：V279[航空宇航科学与技术—飞行器设计]