基于压缩YOLOv5的生猪面部检测的方法技术

本发明专利技术公开了一种基于压缩YOLOv5的生猪面部检测的方法，该方法首先采集生猪面部图像数据，将图像数据分为训练集和测试集，并对图片数据进行标注与预处理；其次构建生猪面部检测模型，该模型基于YOLOv5进行改进，包括对主干网络的替换、对检测头数量的削减，对部分卷积层的卷积核轻量化替换、对网络各层次的通道数压缩，得到轻量的目标检测网络模型结构；接着将标注好的生猪面部图像作为网络输入，经过不断的训练调整，得到最终的生猪面部检测网络模型；最后将测试集输入该目标检测网络中，输出测试结果。本发明专利技术方法对硬件资源的消耗极小，能够实现在嵌入式等内存资源较小的设备中运行生猪面部检测神经网络，并且网络的泛化能力较好。力较好。力较好。

【技术实现步骤摘要】
基于压缩YOLOv5的生猪面部检测的方法


[0001]本专利技术属于图像目标检测领域，具体涉及一种基于压缩YOLOv5的生猪面部检测的方法。

技术介绍

[0002]近年来，养殖业的规模化逐渐成为发展趋势。规模化养殖中，如何能够对生猪的健康进行自动侦测有着重要的应用意义。一方面它可以解放养殖工厂的劳动力、提高生产效率，另一方面可以提高猪肉的质量，并具有较高的学术研究价值，对于提高猪的福利化水平、指导养猪场的环控策略、提高养猪场的经济效益以及促进中国精准养猪业的快速发展均具有重要作用。
[0003]基于卷积神经网络的生猪面部检测系统相比人工巡检具有高实时性、高可用性的特点，目前流行的一些卷积神经网络如VGG16、ResNet
‑
152等参数量都在千万级以上，甚至上亿，即使最轻量级的YOLOv5s模型的参数量也有700多万，模型大小约14MB，而目前的嵌入式设备运行内存多在几百KB，显然无法运行这些神经网络，如何在一些嵌入式等移动端设备运行神经网络，具有重要的研究价值。

技术实现思路

[0004]本专利技术的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于压缩YOLOv5的生猪面部检测的方法，其特征在于，步骤如下：步骤1、制作数据集：采集生猪面部图像数据，将图像数据分为训练集和测试集，并对图片数据进行标注与预处理；步骤2、构建生猪面部检测模型，该模型基于YOLOv5进行改进，包括对主干网络的调整、对检测头数量的削减、对部分卷积层的卷积核轻量化替换、对网络各层次的通道数调整，得到轻量的目标检测网络模型结构；步骤3、将步骤1中得到的生猪训练集图像送入步骤2构建的生猪面部检测模型训练，经过多次迭代训练后，得到改进的生猪面部检测模型THE
‑
YOLO5；步骤4、将测试集输入到训练好的目标检测模型中，得到模型的输出结果以及模型的性能指标；步骤5、运行生猪面部检测模型，进行猪脸目标检测。2.根据权利要求1所述的基于压缩YOLOv5的生猪面部检测的方法，其特征在于，步骤1中图像标注与预处理步骤如下：采集生猪图像若干张，该图像应包含生猪面部信息；划分生猪图像为训练集、测试集；将训练集和测试集图片分别借助于标注工具标注为YOLO数据集格式。3.根据权利要求1所述的基于压缩YOLOv5的生猪面部检测的方法，其特征在于，步骤2中目标检测网络基于YOLOv5s模型改进，改进如下：1)设置类别数为1，代表该网络只对生猪面部单一类别进行检测、定位；2)参考YOLOv5 6.0官方开源配置文件，调整模型网络结构：将YOLOv5的主干网络替换为ShuffleNet V2网络；去掉YOLOv5的小目标检测头，即去除官方开源配置文件描述的第14
‑
17模块、第19模块，设置原网络第18模块的卷积步长为1，只保留对中目标和大目标的检测头；对剩余两个检测头的部分卷积层进行卷积核轻量化替换；调整各通道缩放倍数，得到改进的生猪面部检测模型THE
‑
YOLO5。4.根据权利要求3所述的基于压缩YOLOv5的生猪面部检测的方法，其特征在于，对剩余两个检测头的部分卷积层进行卷积核轻量化替换，具体是将原网络的13、20、23模块由C3模块替换为标准卷积模块，原网络的18、20模...

【专利技术属性】
技术研发人员：田红恩，吴键，徐昕，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：