采用改进RetinaNet的笼养肉鸽繁育期个体检测模型.pdfVIP

第 38 卷 第 13 期 农 业 工 程 学 报 Vol.38 No.13 184 2022 年 7 月 Transactions of the Chinese Society of Agricultural Engineering July 2022 采用改进 RetinaNet 的笼养肉鸽繁育期个体检测模型 刘双印 1,2,3,4 ，范文婷 1,3,4 ，邓 皓 1,3,4 ，何国煌 1,3,4 ，陈耀聪 1,3,4 ， 1,3,4 1,3,4 1,3,4 5 2 1,3,4※ 周 冰 ，李锦慧 ，冯大春 ，吴惠粦 ，李景彬 ，尹 航 （1. 仲恺农业工程学院 广州市农产品质量安全溯源信息技术重点实验室，广州 510225 ； 2. 石河子大学 机械电气工 程学院，石河子 832000 ； 3. 仲恺农业工程学院 信息科学与技术学院，广州 510225 ；4. 仲恺农业工程学院 智慧农业 创新研究院，广州 510225 ； 5. 广州国家现代农业产业科技创新中心，广州 510000 ） 摘 要：实现繁育期精准个体检测是提高集约养殖环境下肉鸽繁育效率和精准管控效果的有效手段，其中小目标鸽蛋及 粘连乳鸽的精准检测是关键。该研究提出了一种基于改进 RetinaNet 的目标检测模型，以 RetinaNet 网络为基础框架，将 ResNet50 特征提取网络与特征金字塔网络（Feature Pyramid Networks ，FPN ）结合，增加特征金字塔网络中特征检测尺 度，提升对图像中遮挡鸽蛋与粘连乳鸽的检测精度；在分类和回归子网络前引入卷积注意力模块（Convolutional Block Attention Module ，CBAM ），提升对小目标检测的精度。试验结果表明，该研究提出的模型对于笼养肉鸽个体检测的平均 精度均值（mean Average Precision ，mAP ）达到 80.89%，相对 SSD 等传统模型有明显提升；对成鸽、乳鸽与鸽蛋检测的 平均精度（Average Precision ，AP ）分别为95.88%，79.51%和 67.29%，相对原始RetinaNet 模型提高了 2.16 、21.74 和 22.48 个百分点，在保证成鸽精准检测的基础上，提升了对复杂环境下存在局部遮挡的小目标鸽蛋以及粘连乳鸽的检测精度， 为实现集约化养殖环境下肉鸽繁育周期个体检测和精准管控提供有效支持。 关键词：图像识别；养殖；小目标检测；鸽蛋；粘连乳鸽；RetinaNet 模型；特征金字塔网络；卷积注意力模块 doi ：10.11975/j.issn.1002-6819.2022.13.021 中图分类号：TP39 文献标志码：A 文章编号：1002-6819(2022)-13-0184-08 刘双印，范文婷，邓皓，等. 采用改进RetinaNet的笼养肉鸽繁育期个体检测模型[J]. 农业工程学报，2022，38(13)： 184-193. doi ：10.11975/j.issn.1002-6819.2022.13.021 Liu Shuangyin, Fan