农业机械学报

作者：张宏鸣，汪润，董佩杰，孙红光，李书琴，王红艳

单位：西北农林科技大学；宁夏智慧农业产业技术协同创新中心,西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学；宁夏智慧农业产业技术协同创新中心,宁夏智慧农业产业技术协同创新中心；西部电子商务股份有限公司,

关键词：肉牛; 多目标跟踪; 目标检测; 重识别; 注意力机制; 长短距离语义增强模块

基金：国家重点研发计划项目（2020YFD1100601）、宁夏智慧农业产业技术协同创新中心项目（2017DC53）和国家自然科学基金项目（41771315）

肉牛的运动行为反映其健康状况，在实际养殖环境下如何识别肉牛并对其进行跟踪，对感知肉牛的运动行为至关重要。基于YOLO v3改进算法（LSRCEM-YOLO），利用视频监控实现了实际养殖环境下的肉牛实时跟踪。该方法采用MobileNet v2作为目标检测骨干网络，根据肉牛分布不均、目标尺度变化较大的特点，提出通过添加长短距离语义增强模块（LSRCEM）进行多尺度融合，结合Mudeep重识别模型实现了肉牛多目标跟踪。结果表明：在目标检测方面，LSRCEM-YOLO的mAP值达到了92.3%，模型参数量仅为YOLO v3的10%，相比YOLO v3-tiny也降低了31.34%；在肉牛重识别方面，采用基于调整感受野的Mudeep模型，获得了更多的多尺度特征，其Rank-1指标达到了96.5%；多目标跟踪的多目标跟踪准确率相对于DeepSORT算法从32.3%提高到了45.2%，ID switch次数降低了69.2%。本文方法可为实际环境下的肉牛行为实时跟踪、行为感知提供技术参考。

来源：2021年第4期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2021年第4期