文献类型：期刊文章

作　　者：王福顺[1,2] 王旺[1] 孙小华[3] 王超[1,2] 袁万哲[4]

WANG Fushun;WANG Wang;SUN Xiaohua;WANG Chao;YUAN Wanzhe(College of Ilnformation Science and Technology,Hebei Agricultural Unirersily,Baoding 071001,China;Hebei Key Laboratory of Agriculueral Big Data,Baoding 071000,China;Department of Digital Transmit,Hebei Softwoare Institute,Baoding 071000,China;Collge of Veterinary Medieine/Tradional Chinese Veterinary Medieine.Hebei Agriculural Unirersily.Booding 071000,China)

机构地区：[1]河北农业大学信息科学与技术学院 [2]河北省农业大数据重点实验室 [3]河北软件职业技术学院数字传媒系 [4]河北农业大学动物医学院/中兽医学院

出　　处：《农业机械学报》

基　　金：河北省重点研发计划项目(22327403D);河北省现代农业产业技术体系羊产业创新团队专项资金项目(HBCT2024250204)。

年　　份：2024

卷　　号：55

期　　号：8

起止页码：322-332

语　　种：中文

收录情况：BDHX、BDHX2023、CAB、CAS、CSCD、CSCD2023_2024、EI、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：羊只实例分割是实现羊只识别和跟踪、行为分析和管理、疾病监测等任务的重要前提。针对规模化羊场复杂养殖环境中,羊只个体存在遮挡、光线昏暗、个体颜色与背景相似等情况所导致的羊只实例错检、漏检问题,提出了一种基于改进YOLO v8n-seg的羊只实例分割方法。以YOLO v8n-seg网络作为基础模型进行羊只个体分割任务,首先,引入Large separable kernel attention模块以增强模型对实例重要特征信息的捕捉能力,提高特征的代表性及模型的鲁棒性;其次,采用超实时语义分割模型DWR-Seg中的Dilation-wise residual模块替换C2f中的Bottleneck模块,以优化模型对网络高层特征的提取能力,扩展模型感受野,增强上下文语义之间的联系,生成带有丰富特征信息的新特征图;最后,引用Dilated reparam block模块对C2f进行二次改进,多次融合从网络高层提取到的特征信息,增强模型对特征的理解能力。试验结果表明,改进后的YOLO v8n-LDD-seg对羊只实例的平均分割精度mAP_(50)达到92.08%,mAP_(50:90)达到66.54%,相较于YOLO v8n-seg,分别提升3.06、3.96个百分点。YOLO v8n-LDD-seg有效提高了羊只个体检测精度,提升了羊只实例分割效果,为复杂养殖环境下羊只实例检测和分割提供了技术支持。

关 键 词：羊只  个体检测  实例分割  改进YOLO v8n-LDD-seg网络  

分 类 号：TP391]