基于深度学习技术生猪图像目标检测算法的应用研究OA北大核心CSTPCD

将基于深度学习的图像目标检测技术引入到养殖个体图像目标检测,可以提高养殖视频图像智能分析技术,提高科学养殖能力。试验将深度学习的YOLO V3算法应用到生猪图像目标检测,结合畜牧养殖实际情况,进行了类别选择、遮挡物处理和图像增强等设计,实现了基于深度学习技术的生猪图像目标检测算法。利用该算法对采集的生猪个体图像数据进行训练、验证和测试,对测试图像目标检测漏检率约6%,错检率约1%,精度较高;同时也与其他深度学习目标检测算法进行了对比和分析,测试结果反馈检测精度良好,检测速度较快,对比Fast R-CNN深度学习目标检测算法,mAP-50提高了7%~8%,检测速度提高了约5倍。与SSD算法比较,mAP-50指标和检测速度相当,但是由于YOLO V3算法网络模型比SSD算法简洁,算法移植兼容性更高。研究与试验结果表明,YOLO V3算法检测速度快,适合畜牧养殖图像智能识别工程化目标检测的要求。