DASNet是一个双分支多层次的关注羊计数网络.
Yini Chen1,2, Ronghua Gao3, Qifeng Li1
1Information Technology Research Center, Beijing Academy of Agriculture and Forestry Sciences, Beijing, 100097, China.
Scientific reports
|July 2, 2025
概括
研究人员开发了DASNet,这是一个计算机视觉模型,用于使用无人机图像准确计数羊. 这种双分支网络通过有效处理密集的群体和背景干扰,提高了畜牧管理和生态监测的精度.
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:
- 准确的绵羊计数对于畜牧管理和草原生态系统健康至关重要.
- 传统的方法是劳动密集型和昂贵的,特别是在密集的群体.
- 现有的计算机视觉方法在过度计数,错过的检测和广泛的注释需求方面扎.
研究的目的:
- 开发一个更准确,更有效的牧草地的自动化绵羊计数系统.
- 解决来自无人机图像,包括背景干扰和不同密度的羊计数方面的挑战.
- 引入一种新的深度学习模型和用于数羊的多样化,现实世界的数据集.
主要方法:
- 收集了Sheep1500无人机数据集,其中包括由无人机捕捉的各种草原场景和绵羊密度.
- 提出DASNet,一个基于密度图回归的双分支多层次注意网络.
- 集成了一个Conv卷积块注意层 (CCBL) 和一个多层注意模块 (MAM) 带有剩余连接,用于增强特征提取和融合.
主要成果:
- 在Sheep1500无人机数据集中,DASNet显著超过了基线MAN网络.
- 获得了3.95的平均绝对误差 (MAE) 和4.87.87的平均平方误差 (MSE).
- 在诸如密集群体和背景噪音等具有挑战性的场景中证明有效.
结论:
- DASNet为精准农业中的自动化绵羊计数提供了准确且计算效率高的解决方案.
- 拟议的模型和数据集推进了计算机视觉在生态和农业监测方面的能力.
- DASNet的双分支和多级注意力机制增强了特征表示,以提高计数精度.
