基于改进YOLO v3模型的挤奶奶牛个体识别方法

作者：何东健; 刘建敏; 熊虹婷; 芦忠忠

来源：农业机械学报, 2020, 51(04): 250-260.

• 挤奶奶牛
• 个体识别
• 视频分析
• 机器视觉
• 改进YOLO v3

为实现无接触、高精度养殖场环境下奶牛个体的有效识别,提出了基于改进YOLO v3深度卷积神经网络的挤奶奶牛个体识别方法。首先,在奶牛进、出挤奶间的通道上方安装摄像机,定时、自动获取奶牛背部视频,并用视频帧分解技术得到牛背部图像;用双边滤波法去除图像噪声,并用像素线性变换法增强图像亮度和对比度,通过人工标注标记奶牛个体编号;为适应复杂环境下的奶牛识别,借鉴Gaussian YOLO v3算法构建了优化锚点框和改进网络结构的YOLO v3识别模型。从89头奶牛的36 790幅背部图像中,随机选取22 074幅为训练集,其余图像为验证集和测试集。识别结果表明,改进YOLO v3模型的识别准确率为95. 91%,召回率为95. 32%,m AP为95. 16%,Io U为85. 28%,平均帧率为32 f/s,识别准确率比YOLO v3高0. 94个百分点,比Faster R-CNN高1. 90个百分点,检测速度是Faster R-CNN的8倍,背部为纯黑色奶牛的F1值比YOLO v3提高了2. 75个百分点。本文方法具有成本低、性能优良的特点,可用于养殖场复杂环境下挤奶奶牛个体的实时识别。

• 单位
  电子工程学院; 西北农林科技大学