智慧農(nóng)業(yè)病蟲害檢測(cè)技術(shù)發(fā)展迅猛,而對(duì)農(nóng)作物具有危害的鳥類檢測(cè)技術(shù)尚處于起步階段,近年來由于生態(tài)改善,野雞繁殖數(shù)量激增,其喜食小麥、玉米、紅薯等農(nóng)作物的種子與幼苗,對(duì)農(nóng)業(yè)造成一定危害。該研究提出了一種適宜于嵌入式系統(tǒng)部署的人工智能野雞識(shí)別方法。由于在野外環(huán)境下移動(dòng)平臺(tái)上部署,需采用輕量級(jí)網(wǎng)絡(luò),同時(shí)保證檢測(cè)精度與實(shí)時(shí)性,因此,根據(jù)Tiny-YOLOV3輕量級(jí)目標(biāo)檢測(cè)網(wǎng)絡(luò)基本結(jié)構(gòu),提出了一種針對(duì)野外復(fù)雜環(huán)境中出現(xiàn)野雞的實(shí)時(shí)檢測(cè)網(wǎng)絡(luò)-增強(qiáng)型輕量級(jí)目標(biāo)檢測(cè)網(wǎng)絡(luò)（EnhancedTiny-YOLO,ET-YOLO）,該網(wǎng)絡(luò)特征提取部分加深Tiny-YOLOV3特征提取網(wǎng)絡(luò)深度,增加檢測(cè)尺度以提高原網(wǎng)絡(luò)目標(biāo)檢測(cè)精度,網(wǎng)絡(luò)檢測(cè)層使用基于CenterNet結(jié)構(gòu)的檢測(cè)方式以進(jìn)一步提高檢測(cè)精度與檢測(cè)速度。使用野外實(shí)地采集各種環(huán)境下出現(xiàn)的野雞圖像作為數(shù)據(jù)集,包括不同距離、角度、環(huán)境出現(xiàn)的野雞共計(jì)6000幅高清圖像制作數(shù)據(jù)集。試驗(yàn)結(jié)果表明,ET-YOLO在視頻中復(fù)雜環(huán)境下出現(xiàn)的野雞平均檢測(cè)精度達(dá)86.5%,平均檢測(cè)速度62幀/s,相對(duì)改進(jìn)前Tiny-YOLOV3平均檢測(cè)精度提高15個(gè)百分點(diǎn),平均檢測(cè)速度相對(duì)改進(jìn)... 

【文章來源】：農(nóng)業(yè)工程學(xué)報(bào). 2020,36(13)北大核心EICSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

其他鳥類出現(xiàn)Fig.6Objectrecognitionundea.SSD_MobileNetV2b.YOLOV3c.Faster

第13期易詩等：基于增強(qiáng)型Tiny-YOLOV3模型的野雞識(shí)別方法145確識(shí)別出特殊姿態(tài)的野雞目標(biāo)，而Faster-RCNN、SSD_MobileNetV2無法成功識(shí)別出特殊姿態(tài)的野雞目標(biāo)。在野外農(nóng)田中時(shí)常出現(xiàn)其他對(duì)農(nóng)作物危害較小或者無危害的鳥類，而其特征與野雞目標(biāo)相似，因此檢測(cè)網(wǎng)絡(luò)不能誤識(shí)別該類目標(biāo)。最后一步測(cè)試，選取采集視頻中同一環(huán)境下出現(xiàn)的其他鳥類，對(duì)比測(cè)試各目標(biāo)檢測(cè)網(wǎng)絡(luò)的誤識(shí)別性能，識(shí)別結(jié)果對(duì)比如圖6所示。a.SSD_MobileNetV2b.YOLOV3c.Faster-RCNNd.Tiny-YOLOV3e.ET-YOLO注：SSD_MobileNetV2、YOLOV3、Faster-RCNN、Tiny-YOLOV3、ET-YOLO為5種目檢測(cè)網(wǎng)絡(luò)。下同。Note:SSD_MobileNetV2,YOLOV3,Faster-RCNN,Tiny-YOLOV3,ET-YOLOarefiveobjectdetectionnetworks.Sameasbelow.圖4隱藏情況下野雞目標(biāo)識(shí)別Fig.4Objectrecognitionofpheasantinhiddenconditiona.SSD_MobileNetV2b.YOLOV3c.Faster-RCNNd.Tiny-YOLOV3e.ET-YOLO圖5特殊姿態(tài)野雞目標(biāo)識(shí)別Fig.5Objectrecognitionofpheasantinspecialposturea.SSD_MobileNetV2b.YOLOV3c.Faster-RCNNd.Tiny-YOLOV3e.ET-YOLO圖6其他鳥類出現(xiàn)情況下的目標(biāo)識(shí)別Fig.6Objectrecognitionundertheoccurrenceofotherbirds由結(jié)果可知，測(cè)試圖像中出現(xiàn)目標(biāo)為1只畫眉，其與野雞同為農(nóng)田環(huán)境下容易出現(xiàn)的鳥類，特征具有一定相似性，YOLOV3、Faster-RCNN將其誤識(shí)別為野雞，而Tiny-YOLOV3、SSD_MobileNetV2以及本文提出的ET-YOLO沒有產(chǎn)生誤識(shí)別[25-30]。經(jīng)完整測(cè)試后，對(duì)各個(gè)目標(biāo)檢測(cè)網(wǎng)絡(luò)檢測(cè)野雞目標(biāo)的準(zhǔn)確率P，召回率R，平均精度mAP，平均運(yùn)算速度（MeanOperationrate，MO），模型大小的統(tǒng)計(jì)如表2所示。表2野雞不同檢

第13期易詩等：基于增強(qiáng)型Tiny-YOLOV3模型的野雞識(shí)別方法145確識(shí)別出特殊姿態(tài)的野雞目標(biāo)，而Faster-RCNN、SSD_MobileNetV2無法成功識(shí)別出特殊姿態(tài)的野雞目標(biāo)。在野外農(nóng)田中時(shí)常出現(xiàn)其他對(duì)農(nóng)作物危害較小或者無危害的鳥類，而其特征與野雞目標(biāo)相似，因此檢測(cè)網(wǎng)絡(luò)不能誤識(shí)別該類目標(biāo)。最后一步測(cè)試，選取采集視頻中同一環(huán)境下出現(xiàn)的其他鳥類，對(duì)比測(cè)試各目標(biāo)檢測(cè)網(wǎng)絡(luò)的誤識(shí)別性能，識(shí)別結(jié)果對(duì)比如圖6所示。a.SSD_MobileNetV2b.YOLOV3c.Faster-RCNNd.Tiny-YOLOV3e.ET-YOLO注：SSD_MobileNetV2、YOLOV3、Faster-RCNN、Tiny-YOLOV3、ET-YOLO為5種目檢測(cè)網(wǎng)絡(luò)。下同。Note:SSD_MobileNetV2,YOLOV3,Faster-RCNN,Tiny-YOLOV3,ET-YOLOarefiveobjectdetectionnetworks.Sameasbelow.圖4隱藏情況下野雞目標(biāo)識(shí)別Fig.4Objectrecognitionofpheasantinhiddenconditiona.SSD_MobileNetV2b.YOLOV3c.Faster-RCNNd.Tiny-YOLOV3e.ET-YOLO圖5特殊姿態(tài)野雞目標(biāo)識(shí)別Fig.5Objectrecognitionofpheasantinspecialposturea.SSD_MobileNetV2b.YOLOV3c.Faster-RCNNd.Tiny-YOLOV3e.ET-YOLO圖6其他鳥類出現(xiàn)情況下的目標(biāo)識(shí)別Fig.6Objectrecognitionundertheoccurrenceofotherbirds由結(jié)果可知，測(cè)試圖像中出現(xiàn)目標(biāo)為1只畫眉，其與野雞同為農(nóng)田環(huán)境下容易出現(xiàn)的鳥類，特征具有一定相似性，YOLOV3、Faster-RCNN將其誤識(shí)別為野雞，而Tiny-YOLOV3、SSD_MobileNetV2以及本文提出的ET-YOLO沒有產(chǎn)生誤識(shí)別[25-30]。經(jīng)完整測(cè)試后，對(duì)各個(gè)目標(biāo)檢測(cè)網(wǎng)絡(luò)檢測(cè)野雞目標(biāo)的準(zhǔn)確率P，召回率R，平均精度mAP，平均運(yùn)算速度（MeanOperationrate，MO），模型大小的統(tǒng)計(jì)如表2所示。表2野雞不同檢

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)SSD的柑橘實(shí)時(shí)分類檢測(cè)[J]. 李善軍,胡定一,高淑敏,林家豪,安小松,朱明.  農(nóng)業(yè)工程學(xué)報(bào). 2019(24)
[2]基于紅外熱成像與改進(jìn)YOLOV3的夜間野兔監(jiān)測(cè)方法[J]. 易詩,李欣榮,吳志娟,朱競(jìng)銘,袁學(xué)松.  農(nóng)業(yè)工程學(xué)報(bào). 2019(19)
[3]基于改進(jìn)Tiny-YOLO模型的群養(yǎng)生豬臉部姿態(tài)檢測(cè)[J]. 燕紅文,劉振宇,崔清亮,胡志偉,李艷文.  農(nóng)業(yè)工程學(xué)報(bào). 2019(18)
[4]基于改進(jìn)YOLOv3-LITE輕量級(jí)神經(jīng)網(wǎng)絡(luò)的柑橘識(shí)別方法[J]. 呂石磊,盧思華,李震,洪添勝,薛月菊,吳奔雷.  農(nóng)業(yè)工程學(xué)報(bào). 2019(17)
[5]基于增強(qiáng)Tiny YOLOV3算法的車輛實(shí)時(shí)檢測(cè)與跟蹤[J]. 劉軍,后士浩,張凱,張睿,胡超超.  農(nóng)業(yè)工程學(xué)報(bào). 2019(08)
[6]基于機(jī)器視覺的水下河蟹識(shí)別方法[J]. 趙德安,劉曉洋,孫月平,吳任迪,洪劍青,阮承治.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2019(03)
[7]自然環(huán)境下綠色柑橘視覺檢測(cè)技術(shù)研究[J]. 熊俊濤,劉振,湯林越,林睿,卜榕彬,彭紅星.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(04)
[8]野雞對(duì)春玉米的危害及綜防策略研究[J]. 盧振宇,孫連新,黃志銀,徐新建,趙智.  農(nóng)業(yè)科技通訊. 2017(07)
[9]果園鳥害防治[J]. 李燕,萬津瑜,徐環(huán)李.  北方園藝. 2012(03)



本文編號(hào)：3325661