基于改进YOLO v3模型的挤奶奶牛个体识别方法

• 作者: 何东健 刘建敏 熊虹婷 芦忠忠
• 来源期刊: 农业机械学报
• 学科: 工学
• 关键词: 挤奶奶牛 个体识别 视频分析 机器视觉 改进YOLO v3
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 农业信息化工程
• 页码范围: 250-260
• 页数: 11页
• 分类号: TP391.4
• 字数: 7722字
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2020.04.029

摘要

为实现无接触、高精度养殖场环境下奶牛个体的有效识别,提出了基于改进YOLO v3深度卷积神经网络的挤奶奶牛个体识别方法.首先,在奶牛进、出挤奶间的通道上方安装摄像机,定时、自动获取奶牛背部视频,并用视频帧分解技术得到牛背部图像;用双边滤波法去除图像噪声,并用像素线性变换法增强图像亮度和对比度,通过人工标注标记奶牛个体编号;为适应复杂环境下的奶牛识别,借鉴Gaussian YOLO v3算法构建了优化锚点框和改进网络结构的YOLO v3识别模型.从89头奶牛的36 790幅背部图像中,随机选取22 074幅为训练集,其余图像为验证集和测试集.识别结果表明,改进YOLO v3模型的识别准确率为95.91％,召回率为95.32％,mAP为95.16％,IoU为85.28％,平均帧率为32 f/s,识别准确率比YOLO v3高0.94个百分点,比Faster R-CNN高1.90个百分点,检测速度是Faster R-CNN的8倍,背部为纯黑色奶牛的F1值比YOLO v3提高了2.75个百分点.本文方法具有成本低、性能优良的特点,可用于养殖场复杂环境下挤奶奶牛个体的实时识别.