基于深度学习的轻量级猪只检测网络研究.pdf

基于深度学习的轻量级猪只检测网络研究

摘要

生猪养殖是我国畜牧业的主体，在我国畜牧业中有着举足轻重的作用。近年来，

受社会环境因素等影响，生猪养殖行业散养户退出明显，进一步加快了我国生猪养殖

标准化、规模化、现代化进程。随着数字化时代的到来，人工智能被广泛应用于家居、

制造、金融、医疗等众多领域。将生猪养殖与人工智能结合是大势所趋，构建智能化

猪场，将养殖逐渐智能化、无人化才能顺应产业发展。其中，猪只的检测任务作为其

他许多猪只识别任务的基础，对猪只养殖智能化十分重要，而目前猪只检测算法在实

际应用中还存在精度不够高、速度不够快的问题。本课题以目标检测网络YOLOv5为

整体框架，对检测速度与精度进一步提升，设计了轻量级猪只检测网络。

首先，本文对猪只检测的骨干网络做出轻量化改进，设计了三种轻量化改进策略。

策略一基于分组卷积与通道重排，采用分组卷积降低计算量，通道重排融合不同分组

输入的特征，并提出了四种轻量化设计思想。策略二用深度可分离卷积，为使激活函

数获得更充分的特征，使用深度卷积与逐点卷积将特征提取部分上升到高维，并将部

分高维激活函数做出相应改进以更好地获取特征。策略三结合策略一的分组卷积与轻

量化结构设