基于改善无人机联合检测和跟踪,用于对牲畜进行多目标检测
Peng Shen1, Fulong Wang1, Wei Luo1,2,3
1North China Institute of Aerospace Engineering, Langfang, 065000, China.
Heliyon
|October 15, 2024
概括
本研究介绍了一种用于畜牧监测的深度学习无人机跟踪器,尽管无人机移动面临挑战,但它提高了实时多目标跟踪精度. 增强的框架提高了农业应用的精度和速度.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 农业技术 农业技术
背景情况:
- 无人机对于牲畜监测至关重要,但由于计算能力有限和无法预测的移动,追踪多个目标受到阻碍.
- 挑战包括模两可的,遮蔽和尺寸变化,降低了基于无人机的监视中的传统算法准确性.
研究的目的:
- 引入基于深度学习的增强多目标无人机追踪器,用于实时畜牧监测.
- 提高农业环境中无人机录像的跟踪精度和计算效率.
主要方法:
- 结合物体检测和跟踪,使用连续的对来进行特征提取和共享.
- 实现了多种损失功能来处理类和样本不平衡,以及一个消除模糊的模块来提高准确性.
- 使用双回归界限框用于对象关联,验证和预测运动分析.
主要成果:
- 通过预测后续中的对象位置来实现实时跟踪.
- 与领先的基准标准相比,显著改善,多对象跟踪精度 (MOTA) 增加了4.3%.
- 报告说,F1得分增长了7.7%,表明精度和速度有所提高.
结论:
- 拟议的框架有效地解决了农业无人机多目标跟踪方面的挑战.
- 该系统为实时畜牧业监测提供了强大的解决方案,提高了运营效率和数据可靠性.
