文献类型：期刊文章

作　　者：王毅恒[1,2] 许德章[1,2]

WANG Yiheng;XU Dezhang(College of Mechanical and Automotive Engineering, Anhui Engineering University, Wuhu 241000, China;Wuhu Anpu Robot Technology Institute Co. Ltd., Wuhu 241007, China)

机构地区：[1]安徽工程大学机械与汽车工程学院,安徽芜湖241000 [2]芜湖安普机器人产业技术研究院有限公司,安徽芜湖241007

出　　处：《广东石油化工学院学报》

基　　金：国家自然科学基金项目(61741101);安徽省高校自然科学研究重大项目(KJ2018ZD014);安徽省重点研发计划(1804a09020036);安徽省科技攻关项目(1604a0902125);安徽省自然科学基金项目(1608085QF154)

年　　份：2019

卷　　号：29

期　　号：4

起止页码：31-35

语　　种：中文

收录情况：NSSD、普通刊

摘　　要：针对农场环境下使用手工标记与肉眼识别方法识别奶牛时计数效率低、错误率高,而使用无线射频检测技术比较复杂且成本高的问题,使用检测速度较快且性能较好的YOLOv3算法对农场环境下的奶牛进行目标识别。该方法采用了3个不同尺度的特征图来进行对象检测,能够检测到更加细粒度的特征;使用Darknet-53网络加入残差模块,有利于解决深层次网络的梯度问题,从而增加奶牛目标识别模型的识别效果;采用K-means聚类得到先验框的尺寸,预测对象类别时使用logistic的输出进行预测,可以支持多标签对象。从检测结果来看,该方法在农场环境背景下的奶牛目标识别效果较好,检测准确率较高。

关 键 词：畜牧业 农场  YOLOv3算法  奶牛 目标检测

分 类 号：S8-01]