基于增强型Tiny-YOLOV3模型的野鸡识别方法.pdfVIP

下载本文档

8
0
约4.48万字
约 7页
2023-09-02 发布于湖北
举报
版权申诉

基于增强型Tiny-YOLOV3模型的野鸡识别方法.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第 36 卷第 13 期农业工程学报 Vol.36 No.13 2020 年 7 月 Transactions of the Chinese Society of Agricultural Engineering Jul. 2020 141 基于增强型 Tiny-YOLOV3 模型的野鸡识别方法 1 1 1 1 2 易诗，沈练，周思尧，朱竞铭，袁学松（1. 成都理工大学信息科学与技术学院（网络安全学院、牛津布鲁克斯学院），成都 610059 ； 2. 电子科技大学电子科学与工程学院，成都 610054 ）摘要：智慧农业病虫害检测技术发展迅猛，而对农作物具有危害的鸟类检测技术尚处于起步阶段，近年来由于生态改善，野鸡繁殖数量激增，其喜食小麦、玉米、红薯等农作物的种子与幼苗，对农业造成一定危害。该研究提出了一种适宜于嵌入式系统部署的人工智能野鸡识别方法。由于在野外环境下移动平台上部署，需采用轻量级网络，同时保证检测精度与实时性，因此，根据 Tiny-YOLOV3 轻量级目标检测网络基本结构，提出了一种针对野外复杂环境中出现野鸡的实时检测网络-增强型轻量级目标检测网络（Enhanced Tiny-YOLO ，ET-YOLO ），该网络特征提取部分加深 Tiny-YOLOV3 特征提取网络深度，增加检测尺度以提高原网络目标检测精度，网络检测层使用基于 CenterNet 结构的检测方式以进一步提高检测精度与检测速度。使用野外实地采集各种环境下出现的野鸡图像作为数据集，包括不同距离、角度、环境出现的野鸡共计 6 000 幅高清图像制作数据集。试验结果表明，ET-YOLO 在视频中复杂环境下出现的野鸡平均检测精度达 86.5%，平均检测速度 62 帧/s ，相对改进前 Tiny-YOLOV3 平均检测精度提高 15 个百分点，平均检测速度相对改进前 Tiny-YOLOV3 提高 2 帧/s ，相对YOLOV3 、Faster-RCNN 与 SSD_MobileNetV2 主流代表性目标检测算法，平均检测精度分别提高 1.5、1.1 与 18 个百分点，平均检测速度分别提高 38、47 与 1 帧/s 。可高效实时地对复杂环境下出现的野鸡进行识别，并且检测模型大小为 56 MB，适宜于在农业机器人，智能农机所搭载的嵌入式系统上部署。关键词：农业；人工智能；嵌入式系统；野鸡识别；ET-YOLO；CenterNet 检测结构 doi ：10.11975/j.issn.1002-6819.2020.12.017 中图分类号：TN919.5 文献标志码：A 文章编号：1002-6819(2020)-13-0141-07 易诗，沈练，周思尧，等. 基于增强型Tiny-YOLOV3 模型的野鸡识别方法[J]. 农业工程学报，2020，36(13)：141-147. doi ：10.11975/j.issn.1002-6819.2020.13.017 Yi Shi, Shen Lian, Zhou Siyao, et al. Recognition method of pheasant using