-
题名基于改进YOLOv8n的安格斯牛面部识别
- 1
-
-
作者
胡立俊
李旭
李国亮
-
机构
塔里木绿洲农业教育部重点实验室/塔里木大学信息工程学院
农业农村部智慧农业技术重点实验室/华中农业大学信息学院
-
出处
《华中农业大学学报》
北大核心
2025年第2期39-48,共10页
-
基金
华中农业大学农业农村部智慧农业技术重点实验室开放项目(KLSFTAA-KF004)
绿洲生态农业兵团重点实验室开放项目(202002)。
-
文摘
为解决安格斯牛独特的黑色毛发导致其面部特征区分困难的问题,采用基于YOLOv8n的改进方法,实现圈养环境中的安格斯牛准确、非接触式的面部识别。首先构建了一个包含200头安格斯牛在不同生长阶段的11 000张面部图像的数据集;其次,引入创新的增强感受野特征融合模块,该模块增强了模型对关键特征的关注;再次,设计了新型轻量化检测头LPCDH,用于安格斯牛的面部特征识别;最后,采用组泰勒剪枝方法,通过估计神经元的重要性剪除不重要的神经元,从而减少计算成本和内存占用,提升模型的部署效率。试验结果显示,改进后的模型平均识别准确率达到92.6%。与常用的SSD、YOLOv5n、YOLOv8s、YOLOv8m、YOLOv9t、YOLOv10n、RT-Detr和Mamba-YOLO模型相比,准确率分别提高了11.5、3.8、1.8、1.9、5.1、3.9、3.7和2.4百分点。与原始YOLOv8n模型相比,所设计模型在4折交叉验证中的准确率平均提高了3.1百分点。结果表明,该模型在内存消耗和计算需求方面实现了轻量化,特别适合在移动端和实际应用中的实时识别,可显著提高安格斯牛面部识别的准确率和效率。
-
关键词
安格斯牛
YOLOv8n
剪枝
牛只识别
面部检测模型
-
Keywords
Angus cattle
YOLOv8n
pruning
cattle identification
facial detection model
-
分类号
S858.23
[农业科学—临床兽医学]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名南疆阿拉尔垦区密植棉花株高模拟研究
被引量：1
- 2
-
-
作者
范振岐
-
机构
塔里木大学信息工程学院
塔里木绿洲农业教育部重点实验室/塔里木大学
-
出处
《棉花学报》
CSCD
北大核心
2024年第4期320-327,共8页
-
基金
国家自然科学基金“新疆阿拉尔垦区天然彩色棉花高光效株型数字化构建研究”(61662064)。
-
文摘
【目的】探讨新疆阿拉尔垦区密植条件下不同模型对棉花株高的预测效果。【方法】以株型差异较大的新陆中81号和塔河2号为试验材料,在阿拉尔垦区16000株·hm^(-2)密植条件下开展大田试验,用Python语言建立株高生长的逻辑斯谛(logistic)、冈珀茨(Gompertz)、理查德(Richards)方程和决策树机器学习预测模型,并对模型的预测精度进行分析。【结果】Logistic、Gompertz和Richards模型中,新陆中81号株高的均方根误差(root mean square error,RMSE)分别为8.38%、7.49%和7.52%,平均绝对误差(mean absolute error,MAE)分别为6.80%、5.79%和5.82%;塔河2号株高的RMSE分别为6.09%、4.77%和4.85%,MAE分别为4.52%、3.34%和3.36%。决策树机器学习方法中,新陆中81号与塔河2号株高的RMSE分别为6.91%和3.27%,MAE分别为5.04%和2.16%。Logistic、Gompertz和Richards生长方程以及决策树机器学习方法均能较好地预测密植条件下棉花株高的生长,但在预测精度上决策树机器学习方法总体上优于生长方程。【结论】基于决策树的机器学习方法不需要用数理统计知识解释模型,训练模型需要的数据量也较少,模拟精度更高,在模拟棉花株高方面有一定优势,是对传统生长方程的有益补充。
-
关键词
棉花
株高
生长方程
决策树
机器学习
-
Keywords
cotton
plant height
growth equation
decision tree
machine learning
-
分类号
S562
[农业科学—作物学]
-
