农业机械学报

作者：王福顺，王旺，孙小华，王超，袁万哲

单位：河北农业大学,河北农业大学,河北软件职业技术学院,河北农业大学,河北农业大学,

关键词：羊只;个体检测;实例分割;改进YOLO v8n-LDD-seg网络

基金：河北省重点研发计划项目(22327403D)和河北省现代农业产业技术体系羊产业创新团队专项资金项目（HBCT2024250204）

羊只实例分割是实现羊只识别和跟踪、行为分析和管理、疾病监测等任务的重要前提。针对规模化羊场复杂养殖环境中，羊只个体存在遮挡、光线昏暗、个体颜色与背景相似等情况所导致的羊只实例错检、漏检问题，提出了一种基于改进YOLO v8n-seg的羊只实例分割方法。以YOLO v8n-seg网络作为基础模型进行羊只个体分割任务，首先，引入Large separable kernel attention模块以增强模型对实例重要特征信息的捕捉能力，提高特征的代表性及模型的鲁棒性；其次，采用超实时语义分割模型DWR-Seg中的Dilation-wise residual模块替换C2f中的Bottleneck模块，以优化模型对网络高层特征的提取能力，扩展模型感受野，增强上下文语义之间的联系，生成带有丰富特征信息的新特征图；最后，引用Dilated reparam block模块对C2f进行二次改进，多次融合从网络高层提取到的特征信息，增强模型对特征的理解能力。试验结果表明，改进后的YOLO v8n-LDD-seg对羊只实例的平均分割精度mAP50达到92.08%，mAP50:90达到66.54%，相较于YOLO v8n-seg，分别提升3.06、3.96个百分点。YOLO v8n-LDD-seg有效提高了羊只个体检测精度，提升了羊只实例分割效果，为复杂养殖环境下羊只实例检测和分割提供了技术支持。

来源：2024年第8期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2024年第8期