基于改进YOLOv3的肉牛多目标骨架提取

作者：张宏鸣; 李永恒; 周利香; 汪润; 李书琴; 王红艳

来源：农业机械学报, 2022, 1-13.

• 肉牛多目标骨架提取
• 目标检测
• 关键点检测
• RFB
• 肉牛

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-StackedHourglass）算法实现实际养殖环境下的肉牛多目标检测与骨架提取。试验为肉牛骨架设置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，均值平均精度可达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，均值平均精度提高4.11个百分点，达到66.05%。

• 单位
  西北农林科技大学