LSR-YOLO: Un modelo ligero y de alta precisión para el reconocimiento de caras de ovejas en el extremo móvil
Autores: Zhang, Xiwen; Xuan, Chuanzhong; Xue, Jing; Chen, Boyuan; Ma, Yanhua
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
LSR-YOLO: Un modelo ligero y de alta precisión para el reconocimiento de caras de ovejas en el extremo móvil
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Zootecnia
Palabras clave
Ovejas
Reconocimiento facial
Modelo
LSR-YOLO
Conjunto de datos
Precisión
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 13
Citaciones: Sin citaciones
La identificación precisa de las ovejas es crucial para la cría, la investigación del comportamiento, el seguimiento de la calidad de los alimentos y la prevención de enfermedades en las granjas modernas. Como resultado de los problemas de identificación tradicional de ovejas, que son laboriosos, costosos e ineficaces, estudios relevantes han construido modelos de reconocimiento facial de ovejas para reconocerlas a través de imágenes faciales. Sin embargo, los modelos existentes de reconocimiento facial de ovejas enfrentan problemas como altos costos computacionales, grandes tamaños de modelo y baja practicidad. En respuesta a los problemas mencionados, este estudio propone un modelo ligero de reconocimiento facial de ovejas llamado LSR-YOLO. Específicamente, se utilizaron el módulo ShuffleNetv2 y el módulo Ghost para reemplazar el módulo de extracción de características en la columna vertebral y el cuello de YOLOv5s para reducir las operaciones de punto flotante por segundo (FLOPs) y los parámetros. Además, se introdujo el módulo de atención coordinada (CA) en la columna vertebral para suprimir información no crítica y mejorar la capacidad de extracción de características del modelo de reconocimiento. Recopilamos imágenes faciales de 63 ovejas de cola pequeña Han para construir un conjunto de datos de reconocimiento facial de ovejas y evaluar más a fondo el método propuesto. En comparación con YOLOv5s, los FLOPs y parámetros de LSR-YOLO disminuyeron en un 25.5% y un 33.4%, respectivamente. LSR-YOLO logró el mejor rendimiento en el conjunto de datos de reconocimiento facial de ovejas, y el mAP@0.5 alcanzó el 97.8% cuando el tamaño del modelo era solo de 9.5 MB. Los resultados experimentales muestran que LSR-YOLO tiene ventajas significativas en precisión de reconocimiento y tamaño del modelo. Finalmente, integramos LSR-YOLO en dispositivos móviles y desarrollamos un sistema de reconocimiento para lograr reconocimiento en tiempo real. Los resultados muestran que LSR-YOLO es un método efectivo para identificar ovejas. El método tiene alta precisión de reconocimiento y velocidad de reconocimiento rápida, lo que le otorga un alto valor de aplicación en el reconocimiento móvil y la cría de bienestar.
Descripción
La identificación precisa de las ovejas es crucial para la cría, la investigación del comportamiento, el seguimiento de la calidad de los alimentos y la prevención de enfermedades en las granjas modernas. Como resultado de los problemas de identificación tradicional de ovejas, que son laboriosos, costosos e ineficaces, estudios relevantes han construido modelos de reconocimiento facial de ovejas para reconocerlas a través de imágenes faciales. Sin embargo, los modelos existentes de reconocimiento facial de ovejas enfrentan problemas como altos costos computacionales, grandes tamaños de modelo y baja practicidad. En respuesta a los problemas mencionados, este estudio propone un modelo ligero de reconocimiento facial de ovejas llamado LSR-YOLO. Específicamente, se utilizaron el módulo ShuffleNetv2 y el módulo Ghost para reemplazar el módulo de extracción de características en la columna vertebral y el cuello de YOLOv5s para reducir las operaciones de punto flotante por segundo (FLOPs) y los parámetros. Además, se introdujo el módulo de atención coordinada (CA) en la columna vertebral para suprimir información no crítica y mejorar la capacidad de extracción de características del modelo de reconocimiento. Recopilamos imágenes faciales de 63 ovejas de cola pequeña Han para construir un conjunto de datos de reconocimiento facial de ovejas y evaluar más a fondo el método propuesto. En comparación con YOLOv5s, los FLOPs y parámetros de LSR-YOLO disminuyeron en un 25.5% y un 33.4%, respectivamente. LSR-YOLO logró el mejor rendimiento en el conjunto de datos de reconocimiento facial de ovejas, y el mAP@0.5 alcanzó el 97.8% cuando el tamaño del modelo era solo de 9.5 MB. Los resultados experimentales muestran que LSR-YOLO tiene ventajas significativas en precisión de reconocimiento y tamaño del modelo. Finalmente, integramos LSR-YOLO en dispositivos móviles y desarrollamos un sistema de reconocimiento para lograr reconocimiento en tiempo real. Los resultados muestran que LSR-YOLO es un método efectivo para identificar ovejas. El método tiene alta precisión de reconocimiento y velocidad de reconocimiento rápida, lo que le otorga un alto valor de aplicación en el reconocimiento móvil y la cría de bienestar.