农业机械学报

作者：张宏鸣，李永恒，周利香，汪润，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;多目标骨架提取;目标检测;关键点检测;RFB;YOLO v3

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

针对肉牛行为识别过程中，多目标骨架提取精度随目标数量增多而大幅降低的问题，提出了一种改进YOLO v3算法（Not classify RFB-YOLO v3，NC-YOLO v3）,在主干网络后引入RFB（Receptive field block）扩大模型感受野，剔除分类模块提高检测效率，结合8SH（8-Stacked Hourglass）算法实现实际养殖环境下的肉牛多目标检测与骨架提取。实验为肉牛骨架设置16个关键节点形成肉牛骨架点位信息，通过对图像多尺度和多方向训练提高检测精度。针对多目标骨架提取模型检测的关键点信息进行统计分析，提出一种对肉牛站立和卧倒行为识别的方法。实验结果表明：在目标检测方面，NC-YOLO v3模型的召回率可达99.00%，精度可达97.80%，平均精度可达97.18%。与原模型相比，平均精度提高4.13个百分点，去除的网络参数量为13.81MB；在单牛骨架提取方面，采用8层堆叠的Hourglass网络检测关键点位置，平均精度均值可达90.75%；在多牛骨架提取方面，NC-YOLO v3构建的模型相对于YOLO v3构建的模型，平均精度均值提高4.11个百分点，达到66.05%。

来源：2022年第3期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2022年第3期