基于MSRCP与改进YOLO v4的躺卧奶牛个体识别方法

摘要：

奶牛的躺卧率可以反映奶牛的舒适度和健康情况,躺卧奶牛的个体识别是自动监测奶牛躺卧率的基础.本文提出了一种基于改进YOLO v4模型识别非限制环境下躺卧奶牛个体的方法.为实现对躺卧奶牛全天的准确个体识别,首先对 18:00-07:00 的图像采用 MSRCP(Multi-scale retinex with chromaticity preservation)算法进行图像增强,改善低光照环境下的图像质量.其次,在YOLO v4模型的主干网络中融入RFB-s结构,改善模型对奶牛身体花纹变化的鲁棒性.最后,为提高模型对身体花纹相似奶牛的识别准确率,改进了原模型的非极大抑制(Non-maximum suppression,NMS)算法.利用72头奶牛的图像数据集进行了奶牛个体识别实验.结果表明,相对于YOLO v4模型,在未降低处理速度的前提下,本文改进YOLO v4模型的精准率、召回率、mAP、F1值分别提高4.66、3.07、4.20、3.83个百分点.本文研究结果为奶牛精细化养殖中奶牛健康监测提供了一种有效的技术支持.

关键词：躺卧奶牛、个体识别、机器视觉、改进YOLO v4

所属期刊栏目：54

分类号：TP391.4(计算技术、计算机技术)

资助基金：河北省重点研发计划项目;国家重点研发计划;河北农业大学精准畜牧学科群建设项目

在线出版日期：2023-03-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：243-250,262