科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对生猪检测盘点算法在复杂场景中泛化能力弱，猪只遮挡误差较大，且推理速度慢，不易在边缘设备部署的问题，提出一种改进的YOLOv5算法，并将其部署在NVIDIA Jetson Xavier NX边缘设备上进行猪只盘点。采用半监督伪标签方式的数据增强策略，提高泛化能力；在YOLOv5主干网络中加入ECA注意力机制实现跨通道的信息交互，提高模型的精度及推理速度；采用SPPCSPC模块替换SPP模块，在原有基础上引入残差，更好地引导梯度流的传递，提高模型的精度；采用SIoU损失函数，减少回归框的“震荡”,降低盘点误差，提高模型推理速度。在实际场景猪只数据集上的实验结果表明，与改进前相比，平均绝对误差和均方根误差分别降低0.69、0.65,平均精度均值和召回率分别提高2.02%、2.75%,帧率提高6.53 fps。该算法可以有效减小猪只遮挡产生的误差并提高算法推理速度，实现了基于边缘设备的实时猪只盘点。
- 单位
