[发明专利]一种基于单阶深度神经网络的动物目标检测方法

说明书

一种基于单阶深度神经网络的动物目标检测方法，属于视觉检测领域。动物养殖过程中，采用的人工计数方法，工作量大，耗时长，且易计数失误。一种基于单阶深度神经网络的动物目标检测方法，包括动物数据样本采集、动物数据样本标注、制作VOC数据集、动物样本数据集的训练、构建检测模型、调整模型性能以及性能评估、利用调整好的模型在图片中检测动物个体目标。本发明提出的改进的动物目标检测算法，在保证检测速度的同时，能够将因牧场中环境影响、动物遮挡而导致的识别精度不高的问题有效地解决，使得动物个体能够准确的检测。

技术领域

本发明涉及一种基于单阶深度神经网络的动物目标检测方法。

背景技术

随着图像处理技术的快速发展、计算机硬件成本的不断下降以及计算机运算速度的不断提升，计算机视觉技术己经成为现代畜牧养殖业的一个重要应用技术。近几年，越来越多的智能化畜牧管理方案被提出，来帮助政府实现科学管理，帮助牧民实现更好的放牧管理。“智慧牧场”的应用研究己经成为关注重点，牧场管理逐渐向信息化、智慧化的方向发展。牧场的管理人员通过智慧牧场管理平台可以提高牧场的信息化水平。应用智慧牧场管理系统可以真正实现牧场管理过程的公开化，透明化以及规范化，降低人工劳动成本，增加管理效率。

畜牧养殖的产业链条相当长，一只动物从出生到出栏需要半年多的时间，而在这段养殖时间里，往往会遇到各种各样的问题，有些甚至会威胁死亡。以疾病为例，如果动物生病，而动物数量过多，很难及时找到哪些动物生病的现象；动物群的放牧的过程中，由于放牧管理不当造成动物只发生死亡或丢失的情况难免发生，这就需要牧民每天在放牧或归牧前对动物群数量进行统计，由于动物群数量较多，导致传统的人工计数方法工作量大，耗时长，且容易存在计数失误的情况。针对这些问题，传统养殖投入人力比较大，以及投入人力也有可能效率不高，因此智慧牧场的出现具有重要意义，可以减少人工劳动成本，增加管理效率，实时监控管理。而动物的目标检测则是智能化养殖的重要前期工作，动物防控疫情、动物体尺测量、动物数量的统计、动物运动跟踪、动物行为分析等都离不开动物目标检测[9]。同时很多动物的几何特征都比较相似，比如猪、狗、动物、驴、马、牛等动物相似，研究结果很容易推广到相关养殖业上。

目标检测是指在视频或者图像中把感兴趣的(多个)目标与背景分离开来，需要判断是否存在目标，并确定目标的位置和范围。目标检测的任务是将这些目标识别出来，确定其类别、位置和边框范围。目标检测是机器视觉领域的重要研究方向，传统的目标检测方法取得了一定的积极进展，但在现实场景中，由于目标和目标所处场景的复杂性和多样性变化，传统的目标检测方法并不能满足实际应用的需求。当下，基于图像的各种机器视觉技术在各个领域都有了十足的发展和应用，因此基于计算机视觉的动物目标检测具有重要的研究意义。

发明内容

本发明的目的是为了解决现有的动物养殖过程中，采用的人工计数方法，工作量大，耗时长，且易计数失误的问题，而提出一种基于单阶深度神经网络的动物目标检测方法。

一种基于单阶深度神经网络的动物目标检测方法，所述方法通过以下步骤实现：

步骤一、动物数据样本采集；

动物数据样本的来源主要途径包括网上图片搜寻、视频的裁剪，以及项目提供；

步骤二、动物数据样本标注；

动物数据样本标注利用LabelImg标注工具进行人工标记，标记目标在原始图像中的位置并注明所属类别，并为每个图像生成一个相应的xml文件；

步骤三、制作VOC数据集；

将标注后的数据处理成检测模型能够使用的VOC数据集的格式，以在之后的模型训练过程中使用；

步骤四、动物样本数据集的训练；

采用YOLO系列或SSDO算法训练动物的数据集；