Algoritmo de conteo de cerdos basado en el modelo YOLOv5n mejorado con multiescena y menor número de parámetros
Autores: Wang, Yongsheng; Yang, Duanli; Chen, Hui; Wang, Lianzeng; Gao, Yuan
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Algoritmo de conteo de cerdos basado en el modelo YOLOv5n mejorado con multiescena y menor número de parámetros
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Zootecnia
Palabras clave
Proceso de cría
Granjas de cerdos
Identificación de cerdos
YOLOv5n
Conjunto de datos multiescena
Sistema Android
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 9
Citaciones: Sin citaciones
El conteo de cerdos es un trabajo importante en el proceso de cría de granjas porcinas a gran escala. Con el fin de lograr una identificación de cerdos de alta precisión en condiciones donde los cerdos se ocultan entre sí, hay diferencias de iluminación, múltiples escenas y variaciones en el número de cerdos y el tamaño de la imagen, y también para reducir el número de parámetros del modelo, se propuso un algoritmo de conteo de cerdos mejorado basado en YOLOv5n. En primer lugar, se creó un conjunto de datos multiescena seleccionando imágenes de varias granjas porcinas diferentes para mejorar el rendimiento de generalización del modelo; en segundo lugar, el Backbone de YOLOv5n fue reemplazado por el modelo FasterNet para reducir el número de parámetros y cálculos, sentando las bases para que el modelo se aplicara al sistema Android; en tercer lugar, el Neck de YOLOv5n fue optimizado utilizando la estructura E-GFPN para mejorar la capacidad de fusión de características del modelo; finalmente, se utilizó la función de pérdida Focal EIoU para reemplazar la función de pérdida CIoU de YOLOv5n y mejorar la precisión de identificación del modelo. Los resultados mostraron que el AP del modelo mejorado fue del 97.72%, el número de parámetros, la cantidad de cálculo y el tamaño del modelo se redujeron en un 50.57%, 32.20% y 47.21% en comparación con YOLOv5n, y la velocidad de detección alcanzó 75.87 f/s. El algoritmo mejorado tiene mejor precisión y robustez en entornos de casas de cerdos multiescena y complejos, lo que no solo garantizó la precisión del modelo, sino que también redujo el número de parámetros tanto como fuera posible. Mientras tanto, se desarrolló una aplicación de conteo de cerdos para el sistema Android basada en el modelo optimizado, que realmente realizó la aplicación práctica de la tecnología. El algoritmo y la aplicación mejorados podrían extenderse y aplicarse fácilmente al campo del conteo de ganado y aves de corral, como ganado, ovejas, gansos, etc., lo que tiene un valor práctico ampliamente reconocido.
Descripción
El conteo de cerdos es un trabajo importante en el proceso de cría de granjas porcinas a gran escala. Con el fin de lograr una identificación de cerdos de alta precisión en condiciones donde los cerdos se ocultan entre sí, hay diferencias de iluminación, múltiples escenas y variaciones en el número de cerdos y el tamaño de la imagen, y también para reducir el número de parámetros del modelo, se propuso un algoritmo de conteo de cerdos mejorado basado en YOLOv5n. En primer lugar, se creó un conjunto de datos multiescena seleccionando imágenes de varias granjas porcinas diferentes para mejorar el rendimiento de generalización del modelo; en segundo lugar, el Backbone de YOLOv5n fue reemplazado por el modelo FasterNet para reducir el número de parámetros y cálculos, sentando las bases para que el modelo se aplicara al sistema Android; en tercer lugar, el Neck de YOLOv5n fue optimizado utilizando la estructura E-GFPN para mejorar la capacidad de fusión de características del modelo; finalmente, se utilizó la función de pérdida Focal EIoU para reemplazar la función de pérdida CIoU de YOLOv5n y mejorar la precisión de identificación del modelo. Los resultados mostraron que el AP del modelo mejorado fue del 97.72%, el número de parámetros, la cantidad de cálculo y el tamaño del modelo se redujeron en un 50.57%, 32.20% y 47.21% en comparación con YOLOv5n, y la velocidad de detección alcanzó 75.87 f/s. El algoritmo mejorado tiene mejor precisión y robustez en entornos de casas de cerdos multiescena y complejos, lo que no solo garantizó la precisión del modelo, sino que también redujo el número de parámetros tanto como fuera posible. Mientras tanto, se desarrolló una aplicación de conteo de cerdos para el sistema Android basada en el modelo optimizado, que realmente realizó la aplicación práctica de la tecnología. El algoritmo y la aplicación mejorados podrían extenderse y aplicarse fácilmente al campo del conteo de ganado y aves de corral, como ganado, ovejas, gansos, etc., lo que tiene un valor práctico ampliamente reconocido.