System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及目标检测,尤其涉及一种猪耳热红外图像目标检测方法、装置、设备及介质。
技术介绍
1、生猪养殖业在畜禽养殖业中占据着重要地位,其发展对于经济和民生的繁荣至关重要。由于生猪耳部温度是生猪健康状态的重要表征,因此进行热红外图像的猪耳高精度目标检测具有重要应用意义。
2、现有技术中,普遍采用的方案是基于目标检测深度学习模型进行猪耳目标检测,例如yolo网络模型、faster-rcnn网络模型等,首先根据生猪图像对深度学习模型进行监督训练,再使用训练好的深度学习模型对猪耳图像进行目标检测。
3、然而,现有技术至少存在以下缺点:由于红外图像的分辨率低,且猪场环境因素复杂,生猪头部的多动,导致耳部存在遮挡,缺失等问题,使基于现有网络模型的猪耳目标检测任务表现较差。
技术实现思路
1、本专利技术提供一种猪耳热红外图像目标检测方法、装置、设备及介质,用以解决现有技术中多种因素引起的猪耳热红外图像目标检测精度差的缺陷,实现在保证识别速度的同时,精准识别不同形状和被遮挡的生猪耳部,提高猪耳热红外图像目标检测的识别精度。
2、本专利技术提供一种猪耳热红外图像目标检测方法,包括以下步骤:
3、获取猪耳热红外图像;
4、输入所述猪耳热红外图像至目标检测模型,得到目标检测模型输出的猪耳检测结果;
5、其中,所述目标检测模型包括特征提取模块和目标检测模块,所述输入所述猪耳热红外图像至目标检测模型,得到目标检测模型输出的猪耳检测结
6、输入所述猪耳热红外图像至目标检测模型的特征提取模块,得到特征提取模块输出的特征信息;所述特征提取模块包括至少一个可变形卷积层和至少一个多头注意力模块;
7、输入所述特征信息至目标检测模型的目标检测模块,得到目标检测模块输出的猪耳检测结果。
8、根据本专利技术提供的猪耳热红外图像目标检测方法,所述可变形卷积层用于执行以下步骤:
9、根据可变形卷积层的输入数据确定第一特征图;所述可变形卷积层的输入数据包括猪耳热红外图像或特征图;
10、根据第一特征图确定变形偏移量;
11、根据输入数据和变形偏移量,确定可变形卷积层输出的第二特征图。
12、根据本专利技术提供的猪耳热红外图像目标检测方法,所述多头注意力模块包括多个注意力头,所述多头注意力模块用于执行以下步骤:
13、根据多头注意力模块的输入数据确定输入矩阵;
14、根据输入矩阵,确定多个矩阵组,每个矩阵组包括一个查询矩阵、一个钥匙矩阵和一个键值矩阵;所述矩阵组与所述注意力头一一对应;
15、输入矩阵组至对应的注意力头,得到注意力头输出的单头注意力特征;
16、根据所有注意力头输出的单头注意力特征,确定多头注意力模块输出的自注意力特征。
17、根据本专利技术提供的猪耳热红外图像目标检测方法,还包括所述目标检测模型的训练方法,包括以下步骤:
18、获取猪耳热红外图像数据集和猪耳热红外图像标签数据集;
19、基于猪耳热红外图像数据集和猪耳热红外图像标签数据集训练得到目标检测模型。
20、根据本专利技术提供的猪耳热红外图像目标检测方法,所述基于猪耳热红外图像数据集和猪耳热红外图像标签数据集训练得到目标检测模型步骤中,损失函数是基于边界框回归的重叠面积、中心点距离以及纵横比确定的。
21、根据本专利技术提供的猪耳热红外图像目标检测方法,所述损失函数的表达式为:
22、lfocal-eiou=iouγleiou
23、其中,iou为预测框和目标框的交集比,γ为超参数,leiou为并集交集函数,其表达式为:
24、
25、其中,b为目标框中心点坐标,bgt为预测框中心点坐标,w为目标框宽度,wgt为预测框宽度,h为目标框长度,hgt为预测框长度,ρ2为欧氏距离函数,wc为预测框和目标框的最小外接矩形的宽度,hc为预测框和目标框的最小外接矩形的长度。
26、本专利技术还提供一种猪耳热红外图像目标检测装置,包括:
27、数据获取模块,用于获取猪耳热红外图像;
28、猪耳检测模块,用于输入所述猪耳热红外图像至目标检测模型,得到目标检测模型输出的猪耳检测结果;
29、其中,所述目标检测模型包括特征提取模块和目标检测模块,所述输入所述猪耳热红外图像至目标检测模型,得到目标检测模型输出的猪耳检测结果进一步包括:
30、输入所述猪耳热红外图像至目标检测模型的特征提取模块,得到特征提取模块输出的特征信息;所述特征提取模块包括至少一个可变形卷积层和至少一个多头注意力模块;
31、输入所述特征信息至目标检测模型的目标检测模块,得到目标检测模块输出的猪耳检测结果。
32、本专利技术还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述猪耳热红外图像目标检测方法。
33、本专利技术还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述猪耳热红外图像目标检测方法。
34、本专利技术还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述猪耳热红外图像目标检测方法。
35、本专利技术提供的猪耳热红外图像目标检测方法、装置、设备及介质通过在目标检测模型中设置可变形卷积层,引入几何变换机制使卷积核能够从特征图中提取更多的关键信息,通过在目标检测模型中设置多头注意力模块,可以扩大目标检测模型中的特征提取模块的感受野,提高对猪耳监测的灵敏度和适应性,从而克服环境因素、设备因素以及生物因素对猪耳热红外图像目标检测任务带来的不利影响,提升猪耳热红外图像目标检测任务的精度。
本文档来自技高网...【技术保护点】
1.一种猪耳热红外图像目标检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的猪耳热红外图像目标检测方法,其特征在于,所述可变形卷积层用于执行以下步骤:
3.根据权利要求1所述的猪耳热红外图像目标检测方法,其特征在于,所述多头注意力模块包括多个注意力头,所述多头注意力模块用于执行以下步骤:
4.根据权利要求1-3任一项所述的猪耳热红外图像目标检测方法,其特征在于,还包括所述目标检测模型的训练方法,包括以下步骤:
5.根据权利要求4所述的猪耳热红外图像目标检测方法,其特征在于,所述基于猪耳热红外图像数据集和猪耳热红外图像标签数据集训练得到目标检测模型步骤中,损失函数是基于边界框回归的重叠面积、中心点距离以及纵横比确定的。
6.根据权利要求5所述的猪耳热红外图像目标检测方法,其特征在于,所述损失函数的表达式为:
7.一种猪耳热红外图像目标检测装置,其特征在于,包括:
8.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序
9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述猪耳热红外图像目标检测方法。
10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述猪耳热红外图像目标检测方法。
...【技术特征摘要】
1.一种猪耳热红外图像目标检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的猪耳热红外图像目标检测方法,其特征在于,所述可变形卷积层用于执行以下步骤:
3.根据权利要求1所述的猪耳热红外图像目标检测方法,其特征在于,所述多头注意力模块包括多个注意力头,所述多头注意力模块用于执行以下步骤:
4.根据权利要求1-3任一项所述的猪耳热红外图像目标检测方法,其特征在于,还包括所述目标检测模型的训练方法,包括以下步骤:
5.根据权利要求4所述的猪耳热红外图像目标检测方法,其特征在于,所述基于猪耳热红外图像数据集和猪耳热红外图像标签数据集训练得到目标检测模型步骤中,损失函数是基于边界框回归的重叠面积、中心点距离以及纵横比确定的。
【专利技术属性】
技术研发人员:马为红,李奇峰,韩辉,薛向龙,任志雨,竹磊,余礼根,高荣华,丁露雨,于沁杨,李明宇,
申请(专利权)人:北京市农林科学院信息技术研究中心,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。