文献类型：期刊文章

作　　者：冯大春[1] 徐亚磊[2] 聂晶[2] 刘双印[1] 李景彬[2] Shahbaz Gul Hassan[1] 刘同来[1] 徐龙琴[1] 温宝琴[2]

FENG Dachun;XU Yalei;NIE Jing;LIU Shuangyin;LI Jingbin;SHAHBAZ Gul Hassan;LIU Tonglai;XU Longqin;WEN Baoqin(College of Information Science and Technology\Smart Agriculture Engineering Technology Research Center of Guangdong Higher Education Institutes\Guangzhou Key Laboratory of Agricultural Products Quality&Safety Traceability Information Technology\Academy of Smart Agricultural Engineering Innovations,Zhongkai University of Agriculture and Engineering,Guangzhou 510225,China;College of Mechanical and Electrical Engineering\Xinjiang Production and Construction Corps Key Laboratory of Modern Agricultural Machinery\Key Laboratory of Northwest Agricultural Equipment,Ministry of Agriculture and Rural Affairs,Shihezi University,Shihezi 832003,China)

机构地区：[1]仲恺农业工程学院信息科学与技术学院\广东省高校智慧农业工程技术研究中心\广州市农产品质量安全溯源信息技术重点实验室\智慧农业创新研究院,广东广州510225 [2]石河子大学机械电气工程学院\新疆现代农业机械兵团重点实验室\农业农村部西北农业装备重点实验室,新疆石河子832003

出　　处：《仲恺农业工程学院学报》

基　　金：Special Project of Innovation and Development of Shihezi University (CXFZ202103);Natural Science Foundation of Guangdong Province(2022B1515120059);Natural Science Foundation of Guangdong Province (2023A1515011230);National Natural Science Foundation of China(61871475,62373390);Innovation Team Project of Universities in Guangdong Province(2021KCXTD019);Meizhou City S&T Planed Projects(2021A0305010);Quality Engineering Project of Universities in Guangdong Province (KA220160216,KA220160149)。

年　　份：2023

卷　　号：36

期　　号：4

起止页码：79-89

语　　种：中文

收录情况：CAB、CAS、普通刊

摘　　要：提出了一种基于改进YOLOv5n的肉羊攻击行为检测方法.在轻量级网络YOLOv5n的基础上,首先利用Ghost模块卷积替换传统卷积,减少网络参数和计算成本;其次在网络关键位置添加坐标注意力机制(Coordinate Attention,CA),用来增强网络通道信息和位置信息;然后引入EIOU(Efficient Intersection Over Union)损失函数,并进行改进,增强预测框准确性,减少误检情况;最后利用Ranger21优化器替代SGD(Stochastic Gradient Descent)优化器,缓解Ghost模块卷积提取特征不足,加快模型收敛速度.为了提升模型对不同天气泛化能力,对一半数据添加雪天、雨天和雾化3种天气情况.对比试验表明,改进模型是原YOLOv5n基础模型参数的83%,模型大小仅有3 Mb,而准确率提升0.7%,召回率提升1.3%,mAP(Mean Average Precision)提升0.5%,F1提升1.01%,同时优于其他主流基于YOLO轻量级网络模型.

关 键 词：肉羊 攻击行为  行为识别  深度学习  

分 类 号：TP391.4]