期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
轻量级夜间红外图像舍养绵羊行为识别方法
1
作者
王杰
翟亚红
+2 位作者
祝岚
徐龙艳
原红光
《红外技术》
北大核心
2025年第9期1174-1182,共9页
为解决舍养绵羊夜间行为检测困难的问题,提出了一种轻量级夜间红外图像舍养绵羊行为识别方法。首先,为提高模型的特征提取和学习能力,设计了一种跨通道交互的高效率通道注意力模块;其次,采用深度可分离卷积替代主干网络中的标准卷积,减...
为解决舍养绵羊夜间行为检测困难的问题,提出了一种轻量级夜间红外图像舍养绵羊行为识别方法。首先,为提高模型的特征提取和学习能力,设计了一种跨通道交互的高效率通道注意力模块;其次,采用深度可分离卷积替代主干网络中的标准卷积,减少模型参数并提高模型的计算速度,增强移动端算法部署适应性;最后,为提高模型的计算效率,剔除了小目标检测头。实验结果表明,所提Night-YOLO算法较基准算法的平均检测精度提升了4%,达到了94.4%,模型参数量压缩了10%,仅为2.7 M。该算法能够在夜间准确地定位和识别绵羊的行为。
展开更多
关键词
行为识别
夜间检测
智慧养殖
轻量级
在线阅读
下载PDF
职称材料
基于改进YOLO v5n的舍养绵羊行为识别方法
被引量：
8
2
作者
翟亚红
王杰
+3 位作者
徐龙艳
祝岚
原红光
赵逸凡
《农业机械学报》
EI
CAS
CSCD
北大核心
2024年第4期231-240,共10页
日常行为是家畜健康状况的重要体现,在传统的行为识别方法中,通常需要人工或者依赖工具对家畜进行观察。为解决以上问题,基于YOLO v5n模型,提出了一种高效的绵羊行为识别方法,利用目标识别算法从羊圈斜上方的视频序列中识别舍养绵羊的...
日常行为是家畜健康状况的重要体现,在传统的行为识别方法中,通常需要人工或者依赖工具对家畜进行观察。为解决以上问题,基于YOLO v5n模型,提出了一种高效的绵羊行为识别方法,利用目标识别算法从羊圈斜上方的视频序列中识别舍养绵羊的进食、躺卧以及站立行为。首先用摄像头采集养殖场中羊群的日常行为图像,构建绵羊行为数据集;其次在YOLO v5n的主干特征提取网络中引入SE注意力机制,增强全局信息交互能力和表达能力,提高检测性能;采用GIoU损失函数,减少训练模型时的计算开销并提升模型收敛速度;最后,在Backbone主干网络中引入GhostConv卷积,有效地减少了模型计算量和参数量。实验结果表明,本研究提出的GS-YOLO v5n目标检测方法参数量仅为1.52×10^(6),相较于原始模型YOLO v5n减少15%;浮点运算量为3.3×10^(9),相较于原始模型减少30%;且平均精度均值达到95.8%,相比于原始模型提高4.6个百分点。改进后模型与当前主流的YOLO系列目标检测模型相比,在大幅减少模型计算量和参数量的同时,检测精度均有较高提升。在边缘设备上进行部署,达到了实时检测要求,可准确快速地对绵羊进行定位并检测。
展开更多
关键词
舍养绵羊
智慧养殖
行为识别
注意力机制
YOLO
v5n
绵羊数据集
在线阅读
下载PDF
职称材料
题名
轻量级夜间红外图像舍养绵羊行为识别方法
1
作者
王杰
翟亚红
祝岚
徐龙艳
原红光
机构
湖
北
汽车工业学院电气与信息工程学院
沁阳市北盛牧业有限公司
出处
《红外技术》
北大核心
2025年第9期1174-1182,共9页
基金
湖北省教育厅重点科研项目(D20211802)
湖北省科技厅重点研发计划项目(2022BEC008)。
文摘
为解决舍养绵羊夜间行为检测困难的问题,提出了一种轻量级夜间红外图像舍养绵羊行为识别方法。首先,为提高模型的特征提取和学习能力,设计了一种跨通道交互的高效率通道注意力模块;其次,采用深度可分离卷积替代主干网络中的标准卷积,减少模型参数并提高模型的计算速度,增强移动端算法部署适应性;最后,为提高模型的计算效率,剔除了小目标检测头。实验结果表明,所提Night-YOLO算法较基准算法的平均检测精度提升了4%,达到了94.4%,模型参数量压缩了10%,仅为2.7 M。该算法能够在夜间准确地定位和识别绵羊的行为。
关键词
行为识别
夜间检测
智慧养殖
轻量级
Keywords
behavior recognition
nighttime detection
smart farming
lightweight
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于改进YOLO v5n的舍养绵羊行为识别方法
被引量：
8
2
作者
翟亚红
王杰
徐龙艳
祝岚
原红光
赵逸凡
机构
湖
北
汽车工业学院电气与信息工程学院
沁阳市北盛牧业有限公司
出处
《农业机械学报》
EI
CAS
CSCD
北大核心
2024年第4期231-240,共10页
基金
湖北省教育厅重点科研项目(D20211802)
湖北省科技厅重点研发计划项目(2022BEC008)。
文摘
日常行为是家畜健康状况的重要体现,在传统的行为识别方法中,通常需要人工或者依赖工具对家畜进行观察。为解决以上问题,基于YOLO v5n模型,提出了一种高效的绵羊行为识别方法,利用目标识别算法从羊圈斜上方的视频序列中识别舍养绵羊的进食、躺卧以及站立行为。首先用摄像头采集养殖场中羊群的日常行为图像,构建绵羊行为数据集;其次在YOLO v5n的主干特征提取网络中引入SE注意力机制,增强全局信息交互能力和表达能力,提高检测性能;采用GIoU损失函数,减少训练模型时的计算开销并提升模型收敛速度;最后,在Backbone主干网络中引入GhostConv卷积,有效地减少了模型计算量和参数量。实验结果表明,本研究提出的GS-YOLO v5n目标检测方法参数量仅为1.52×10^(6),相较于原始模型YOLO v5n减少15%;浮点运算量为3.3×10^(9),相较于原始模型减少30%;且平均精度均值达到95.8%,相比于原始模型提高4.6个百分点。改进后模型与当前主流的YOLO系列目标检测模型相比,在大幅减少模型计算量和参数量的同时,检测精度均有较高提升。在边缘设备上进行部署,达到了实时检测要求,可准确快速地对绵羊进行定位并检测。
关键词
舍养绵羊
智慧养殖
行为识别
注意力机制
YOLO
v5n
绵羊数据集
Keywords
domesticated sheep
intelligent farming
behavior recognition
attention mechanism
YOLO v5n
sheepdata
分类号
TP391 [自动化与计算机技术—计算机应用技术]
S828 [农业科学—畜牧学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
轻量级夜间红外图像舍养绵羊行为识别方法
王杰
翟亚红
祝岚
徐龙艳
原红光
《红外技术》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于改进YOLO v5n的舍养绵羊行为识别方法
翟亚红
王杰
徐龙艳
祝岚
原红光
赵逸凡
《农业机械学报》
EI
CAS
CSCD
北大核心
2024
8
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
