农业机械学报

作者：张站奇，孙显彬，孙贺，闵海波，孔莉娅，张洪亮

单位：青岛理工大学,青岛理工大学,中南大学,青岛理工大学,青岛理工大学,青岛农业大学,

关键词：猪只识别;区域计数;改进YOLO v5;损失函数;注意力机制;StrongSORT

基金：科技创新2030—“新一代人工智能”重大项目（2021ZD0113802）和国家生猪产业技术体系智能化养殖岗位科学家项目（CARS-35）

猪只计数是屠宰场生产管理、资产估计的重要环节。针对当前屠宰场猪只数量统计过程中人工计数耗时长、错误率高的问题，提出了一种基于改进YOLO v5-StrongSORT的屠宰场猪只精准计数方法。首先，在改进YOLO v5模型中引入真实宽高损失与纵横比以提升损失函数性能，并在Neck层引入高效通道注意力机制(Efficient channel attention, ECA)，提升模型在复杂环境下的识别能力。然后，基于StrongSORT构建检测机制实现对猪只的重识别。最后，基于StrongSORT提出了一种区域ID信息检测的猪只计数方法。试验结果表明，改进YOLO v5模型对猪只识别精确率为93.78%，召回率为91.98%，平均精度均值为96.29%，识别速度为500f/s，较YOLO v5s模型召回率提高1.14个百分点，平均精度均值提高0.89个百分点，识别速度提高85.0%。将改进YOLO v5与StrongSORT区域计数方法结合进行猪只计数的准确率为98.46%，计数速率为73f/s，较人工计数准确率提高1.54个百分点，较原始模型计数准确率提高9.23个百分点，计数速率提高21.87%。本研究猪只计数方法具有较高的计数精度，适用于屠宰场猪只数量统计。

来源：2024年第12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12期