一种基于YOLOF的生猪目标检测方法技术

本发明专利技术公开一种实时生猪目标检测方法，该实时生猪目标检测方法，通过摄像头得到原始视频数据，视频输入到生猪图像处理模块，该模块将原始视频划分为1秒30帧的图像数据，并将该图像数据作为检测模块的输入，检测模块会将图像数据通过ResNet提取一层特征，并通过拓展编码器生成多感受野的输出特征，解码器通过并行的分类头和回归头，将所有预测的最终分类分数通过将分类输出与相应的隐含对象相乘来生成。再添加随机移位操作。在左、右、顶和底方向随机移动图像，最多32个像素，为了在图像中对象的位置注入噪声，增加真值框与高质量锚点匹配的概率。最后将处理好的图像按照正确的序列顺序合成为视频，然后将实时生猪目标检测视频结果进行可视化输出。进行可视化输出。进行可视化输出。

【技术实现步骤摘要】
一种基于YOLOF的生猪目标检测方法


[0001]本专利技术主要涉及计算机图像与视频处理领域，具体涉及一种基于YOLOF的生猪目标检测方法。

技术介绍

[0002]群养猪环境下实现生猪快速准确的检测，对行为分析，生猪计数以及猪舍智能巡检投料机器人的开发至关重要。近年来受到非洲猪瘟的影响，实现养殖过程智能化，尽量减少人与生猪之间的接触势在必行。准确有效的目标检测算法能够实现目标的自动计数，同时也是生猪行为分析和养殖决策的基础。随着人工智能技术的发展，基于图像和视频的生猪目标检测方法成为研究热点。
[0003]目前生猪目标检测领域可以应用的方法存在较多缺陷，如融合高斯混合模型（GMM）和图像粒化的运动生猪目标检测算法存在检测精度较依赖粒化阈值的大小，采用人工选定参数很难满足不同时刻的猪舍环境条件；如SSD模型，改进的ResNet模型，改进的Faster R
‑
CNN目标检测算法，上述算法对生猪的目标检测的均值平均精度都达到90%以上，但有着依赖高性能图像采集和处理设备的缺陷。同时上述算法存在以下问题：１）模型较大，参数较多，从而导致实时性不足，限制了模型在嵌入式移动终端上的部署和应用；２）在实际养殖环境下准确率难以保证；３）实验数据的问题，由于实验环境下与实际养殖环境下采集的数据集有一定差距，模型泛化能力无法保证。
[0004]在智慧农业高速发展的当下，寻找一种速度快，准确率高，同时又不依赖于高性能的设备的生猪目标识别算法具有极其重要的研究意义。

技术实现思路

[0005]近年来数字图像技术发展迅猛，对于各个领域的目标检测方法越来越多，目标检测算法越来越多的应用到智慧农业方面。在群养猪环境下，如何尽量减少人与生猪之间的接触，实现由监控图像实时检测生猪数量和位置已成为越来越热门的领域。
[0006]传统的目标检测算法，SSD模型，改进的ResNet模型，改进的Faster R
‑
CNN目标检测算法等，模型较大，参数较多，从而导致实时性不足，限制了模型在嵌入式移动终端上的部署和应用。本专利技术旨在实现一种速度快，准确率高，同时又不依赖于高性能设备的生猪目标检测算法。
[0007]本专利技术所采用的技术方案是通过摄像头获取原始的视频，对视频中的每帧图像输入到生猪目标检测模型中进行处理。该生猪目标检测模型包括生猪图像预处理模块（将视频按照1秒30帧提取图片，图片作为检测模块的输入）和检测模块（主要由ResNet骨干网络、编码器、解码器构成），经过模型处理后得到带标记的图片，然后将处理结果合成为视频通过显示器终端可视化。
[0008]检测模块主要由ResNet骨干网络、编码器、解码器构成，对输入的图像数据进行识别和标定。骨干网络采用ResNet，输出通道数为2048，下采样倍率为32。编码器的通道数为
512，由一个扩展编码器（Dilated Encoder）和卷积层组成。其中扩展编码器由投影层和残差层组成。投影层采用1x1的卷积然后采用3x3的卷积提取上下文语义信息；然后堆叠四个不同扩张因子的残差模块以生成多感受野的输出特征(覆盖所有的目标尺度)。解码器包含两个并行的特定任务头分别用于分类头和回归头。两个任务头的卷积数量不同，回归头包含4个卷积而分类头则包含两个卷积；在回归头上对每个锚点添加一个隐式目标预测。最终将这些处理过后的图像合成为流畅的视频，再在显示器端进行可视化，达到实时目标检测的效果。
[0009]本专利技术的有益效果是，在群养猪环境下，尽可能的减少人与猪之间的接触，充分考虑系统实时性、鲁棒性、准确性。有效减少了设备的成本、提高了识别速度、增加了实用性。
附图说明
[0010]图1为本专利技术的操作原理框图；图2为本专利技术的YOLOF的网络流程图；图3为本专利技术的扩展编码器的网络结构图。
具体实施方式
[0011]为了使专利技术的目的、特征和优点更加清晰，下面结合附图和具体实施方案，对本专利技术进一步的详细描述。需要说明的是，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。
[0012]请参阅图1，通过养殖场的监控摄像头设备采集原始的视频数据，将视频输入流传输到图像预处理模块，该模块会将视频按照每秒钟30帧划分为图像，再将图像输出传输到检测模块中，检测模块会对图像进行生猪目标检测，并标定目标，输出图片。通过检测完成的图片合成视频，在显示器上可视化。
[0013]检测模块组成如下，ResNet骨干网络、编码器、解码器。骨干网络采用ResNet，输出通道数为2048，下采样倍率为32。编码器的通道数为512，由一个扩展编码器（Dilated Encoder）和卷积层组成。其中扩展编码器由投影层和残差层组成。投影层采用1x1的卷积然后采用3x3的卷积提取上下文语义信息；然后堆叠四个不同扩张因子的残差模块以生成多感受野的输出特征(覆盖所有的目标尺度)。解码器包含两个并行的特定任务头组成，分别用于分类和回归。两个任务头的卷积数量不同，回归头包含4个卷积而分类头则包含两个卷积；在回归头上对每个锚点添加一个隐式目标预测。
[0014]最后将处理好的图像合成为视频，然后将实时的生猪目标检测结果进行可视化输出。
[0015]上述实施例为本专利技术的一种实施方式，但本专利技术的实施方式不限定于此，从事该技术人员在未背离本专利技术精神和原则下所做的任何修改、替换、改进，均包含在专利技术的保护范围内。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于YOLOF的生猪目标检测方法，其特征在于，该方法采用生猪图像预处理模块和检测模快对原始视频进行目标检测处理。2.根据权利要求1所述的一种基于YOLOF的生猪目标检测方法，其特征在于，所述的检测模块采用了YOLOF网络结构。3.根据权利要求1、2所述的一种基于YOLOF的生猪目标检测方法，其特征在于，具体包括以下步骤：S1.将原始视频传输给生猪图像预处理模块；S2.图像预处理模块将视频划分为1秒30帧的图像数据；S3.将图像预处理模块划分后的图像传输给...

【专利技术属性】
技术研发人员：孙梦缘，潘斌，
申请(专利权)人：辽宁石油化工大学，
类型：发明
国别省市：