基于红外热成像与改进YOLOV3的夜间野兔监测方法

• 作者: 吴志娟 易诗 朱竞铭 李欣荣 袁学松
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 红外热成像 图像处理 野兔 检测 IR-YOLO CenterNet检测结构 小目标检测
• 年，卷（期）: 2019,（19）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 223-229
• 页数: 7页
• 分类号: TN919.5
• 字数: 5644字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2019.19.027

摘要

随生态改善,野兔数量增多,对农田与林地的危害日益加重.野兔活动多为夜间,目标小,运动速度快,且出现环境较复杂,监控兔害,需要一种高效智能化的方法.针对野兔活动习性,该文提出了使用红外热成像实时监控,结合改进的YOLOV3目标检测方法对夜间野兔进行检测.根据YOLOV3目标检测网络基本结构提出了一种针对红外图像中野兔的实时检测的网络(infrared rabbit detection YOLO,IR-YOLO),该网络特征提取部分压缩YOLOV3特征提取网络深度,利用浅层卷积层特征以提高低分辨率红外小目标检测精度,降低运算量,网络检测部分使用基于CenterNet结构的检测方式以提高检测速度.使用热成像野外实时采集的夜间野兔图像作为数据集,包括不同距离,尺度,出现环境不同的野兔共计6 000幅红外图像制作训练集与测试集,比例为5:1.试验结果表明,IR-YOLO在红外热成像视频中复杂环境下出现的野兔检测率达75%,平均检测速度51帧/s,相对改进前YOLOV3检测率提高15个百分点,相对改进前YOLOV3检测速度提高5帧/s.相比其他目标检测算法各项检测指标更为优良,检测率方面相对Faster-RCNN与RFCN-RESNET101分别提高45个百分点与20个百分点,检测速度方面相对Faster-RCNN与RFCN-RESNET101分别提高30和与45帧/s.该方法可高效快速地对夜间复杂环境下出现的野兔进行检测,也可广泛应用于夜间对其他类型农业害兽的检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	袁学松	电子科技大学电子科学与工程学院	27	112	7.0	9.0
2	易诗	成都理工大学信息科学与技术学院	10	46	4.0	6.0
3	吴志娟	成都理工大学信息科学与技术学院	2	3	1.0	1.0
4	朱竞铭	成都理工大学信息科学与技术学院	2	3	1.0	1.0
5	李欣荣	成都理工大学信息科学与技术学院	2	3	1.0	1.0