典型文献
生猪检测模型及数据集构建方式研究
文献摘要：
猪只检测对其后续的个体识别及行为识别有着重要的支撑作用.然而现阶段关于猪只检测的研究较少且没有达到理想的检测结果.另一方面,在猪只养殖中,杂物的遮挡、猪的重叠等给生猪检测带来了较大的困难.为克服上述困难同时获得较好的生猪检测性能,本文进行了生猪检测模型及数据集构建方式的研究,探讨了不同YOLO模型及不同数据集构建方式对猪只检测性能的影响.以圈养猪为研究对象、以监控视频为数据源开展了一系列研究.首先,对比了YOLOv2、YOLOv3及YOLOv4不同模型下生猪的检测性能,旨在探索最优的生猪检测模型.通过实验发现,YOLOv4具有最好的生猪检测性能.其次,构建了规模为4000张、8000张、12000张图像的数据集及不同视角的生猪检测数据集,探讨不同规模和不同视角数据集对生猪检测精度的影响.通过实验得出,规模为12000张的数据集精度最高,平均检测精度为82.21％;侧视和俯视视角数据集的平均检测精度分别为90.68％和77.91％.最后,构建了图片包含不同猪只个数的检测数据集,分别为少目标和多目标数据集.实验得出,少目标和多目标数据集的生猪检测精度分别为79.14％和94.25％.以上实验结果表明,YOLOv4模型具有最好的检测性能;且数据集规模越大,结果越好;同时构建数据集时应尽量挑选单张图片中目标个数多的样本.
文献关键词：
生猪;检测模型;YOLO模型;数据集;深度神经网络;检测精度
中图分类号：
作者姓名：
郝王丽;韩猛;李游;李富忠;胡欣宇
作者机构：
山西农业大学 软件学院,山西 晋中 030801;山西财经大学 管理科学与工程学院,山西 太原 030006
文献出处：
引用格式：
[1]郝王丽;韩猛;李游;李富忠;胡欣宇-.生猪检测模型及数据集构建方式研究)[J].物联网技术,2022(01):18-21,26
A类：
B类：
生猪,检测模型,数据集构建,构建方式,方式研究,猪只,个体识别,行为识别,杂物,遮挡,检测性能,圈养,养猪,监控视频,数据源,YOLOv2,YOLOv3,YOLOv4,不同视角,检测数据集,不同规模,检测精度,侧视,俯视,选单,单张,深度神经网络
AB值：
0.291744
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
