基于轻量化YOLOv4的死淘鸡目标检测算法

漆海霞1,2,3,李承杰,黄桂珍

(1.华南农业大学工程学院,广州市,510642;2.国家精准农业航空施药技术国际联合研究中心,广州市,510642;3.岭南现代农业科学与技术广东省实验室,广州市,510642)


摘要:针对目前死淘鸡目标检测研究较少,高精度检测算法体积大难以部署至移动式设备等问题,提出一种基于YOLOv4的轻量化死淘鸡目标检测算法。采集大规模蛋鸡养殖工厂笼中死淘鸡图片,建立目标检测数据集;在算法中引入MobileNetv3主干提取网络与深度可分离卷积来降低模型体积;并在最大池化层前添加自注意力机制模块,增强算法对全局语义信息的捕获。在自建数据集中的试验结果表明,改进算法在死淘鸡目标检测任务中有更高的准确度,其mAP值与召回率分别达到97.74%98.15%,模型大小缩小至原算法的1/5,在GPU加速下帧数达到77/s,检测速度提高1倍,能够满足嵌入式部署需求。

关键词:死淘鸡识别;深度学习;轻量化网络;MobileNet;深度可分离卷积

文章来源:《中国农机化学报》