基于轻量级模型的羊面部识别通过面部图像记录通道进行识别.
Xiwen Zhang1,2, Chuanzhong Xuan1,2, Yanhua Ma1
1College of Mechanical and Electrical Engineering, Inner Mongolia Agricultural University, Inner Mongolia, Hohhot 010018, China.
Journal of animal science
|March 13, 2024
概括
本研究介绍了YOLOv7-羊面部识别 (YOLOv7-SFR),这是一个轻量级模型,用于准确识别羊,这对数字羊养殖至关重要. 该模型通过缩小尺寸和更快的识别时间实现了高精度,从而实现了实际应用.
科学领域:
- 计算机视觉和机器学习
- 农业技术 农业技术
- 动物科学动物科学
背景情况:
- 准确的个体绵羊识别对于数字化和精准畜牧业至关重要.
- 目前用于羊面部识别的深度学习模型往往太大,计算成本太高,无法实际使用.
- 现有的方法在数据收集和模型优化方面缺乏效率,以适用于现实世界的应用.
研究的目的:
- 为数字绵羊养殖开发一种轻量级和高效的绵羊面部识别模型.
- 解决现有模型在尺寸,计算成本和数据采集方面的局限性.
- 提高在畜牧管理中的羊身份识别的准确性和速度.
主要方法:
- 开发了一种精简的面部图像记录通道,以有效收集数据.
- 使用数据增强创建了一个由50只小尾汉羊的22,000张图像组成的羊脸数据集.
- 引入了一种轻量级的模型,YOLOv7-羊面部识别 (YOLOv7-SFR),结合了注意力模块 (混动注意力,Dyhead),深度可分离的卷积,以及用YOLOv7作为教师模型的知识蒸.
主要成果:
- 在羊脸数据集上,YOLOv7-SFR模型实现了96.9%的平均平均精度@0.5.
- 该模型拥有小尺寸 (11.3 MB) 和快速的平均识别时间 (3.6 ms).
- 与YOLOv7-tiny.FR相比,YOLOv7-SFR显示了2.1%更高的精度,5.8%更小的尺寸和42.9%更快的识别速度.
结论:
- 拟议的YOLOv7-SFR模型在轻量级和高效的羊面部识别方面取得了重大进展.
- 开发的模型符合数字绵羊养殖场和精密畜牧业的实际要求.
- 预计这项研究将加速在农业部门采用绵羊面部识别技术.
