一种面向轻量化部署的野生动物识别方法及系统技术方案

本发明专利技术公开了一种面向轻量化部署的野生动物识别方法及系统，首先基于野生动物图像进行增强处理，然后构建改进型YOLOv8n模型，包括在主干网络中构造C2fEMA模块、采用轻量卷积GSConv替代颈部网络中的标准卷积Conv、设置新的误差计算方法NWD，最后基于增强的图像，训练获得用于识别野生动物的目标检测模型。本发明专利技术实现了轻量化的系统部署以及对野生动物目标的高检测精度和高检测效率，能够在复杂野外场景下完成野生动物识别检测，可以供研究人员远程、实时地获取所监测区域的野生动物活动情况与环境状态。

【技术实现步骤摘要】

本专利技术涉及计算机视觉、深度学习，尤其涉及一种面向轻量化部署的野生动物识别方法及系统。

技术介绍

1、在当前生态环境保护与生物多样性研究日益受到全球关注的背景下，野生动物的识别与监测成为至关重要的任务，野生动物不仅是生态系统平衡与生物多样性的重要组成部分，也是衡量环境健康的关键指标，对人类的可持续发展至关重要。然而，传统监测方法，如人工实地调查、gps追踪和红外相机陷阱等，尽管在一定程度上有所成效，但往往受限于高昂的人力成本、耗时费力、低效性以及对复杂野外环境的适应性差等因素。

2、随着人工智能、计算机视觉、物联网等技术的迅猛发展，自动化和智能化的野生动物识别系统逐渐成为研究热点。这些技术的应用旨在通过摄像头、无人机等设备自动采集图像或视频数据，结合深度学习算法进行分析，实现对野生动物种类的快速、准确识别。尽管已有不少相关技术成果，但现有方法往往面临两个关键挑战：一是模型复杂度高，对计算资源要求严苛，不便于在野外环境或资源受限的场景下部署；二是识别精度受环境因素影响大，如光线变化、遮挡、动物姿态多变等，降低了实际应用中的可靠性。

本文档来自技高网...

【技术保护点】

1.一种面向轻量化部署的野生动物识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种面向轻量化部署的野生动物识别方法，其特征在于：在步骤S1中所述的增强处理具体包含以下图像处理技术；

3.根据权利要求1所述的一种面向轻量化部署的野生动物识别方法，其特征在于：所述C2fEMA模块在主干网络中的C2f模块基础上进行改进，即在C2f模块末端集成多层次空间交叉学习的焦点调节策略EMA；所述轻量卷积GSConv采取阶段性卷积思想，通过连接和混排操作完成特征整合优化颈部网络。

4.根据权利要求1所述的一种面向轻量化部署的野生动物识别方法，其特征在于：...

【技术特征摘要】

1.一种面向轻量化部署的野生动物识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种面向轻量化部署的野生动物识别方法，其特征在于：在步骤s1中所述的增强处理具体包含以下图像处理技术；

3.根据权利要求1所述的一种面向轻量化部署的野生动物识别方法，其特征在于：所述c2fema模块在主干网络中的c2f模块基础上进行改进，即在c2f模块末端集成多层次空间交叉学习的焦点调节策略ema；所述轻量卷积gsconv采取阶段性卷积思想，通过连接和混排操作完成特征整合优化...

【专利技术属性】
技术研发人员：吕皓天，贾小林，顾娅军，
申请(专利权)人：西南科技大学，
类型：发明
国别省市：