[发明专利]基于YOLOv5l网络的笼养活兔检测计数方法

权利要求书

1.一种基于YOLOv5l网络的活兔检测计数方法，其特征在于，包括：

S1.采集笼养环境下不同日龄的活兔图像；

S2.对所述图像进行预处理，利用经过预处理的图像构建数据集，并将所述数据集划分为训练集、验证集以及测试集；

S3.构建YOLOv5l网络：所述YOLOv5l网络包括Input部分、Backbone部分、Neck部分以及Head部分；

S4.将得到的YOLOv5l网络在构建的数据集上进行训练、测试，

其中，所述Input部分包括Mosaic数据增强、图像尺寸缩放以及自适应锚框计算；

所述Backbone部分包括多层，其中，第一层为卷积结构，最后一层为SPPF结构，中间层包括C3结构和下采样卷积结构交替组成，并将提取到的上采样特征图送入Neck部分中；

所述Neck部分包括FPN结构和PANet结构；

所述Head部分包括YOLO多尺度检测头。

2.根据权利要求1所述的方法，其特征在于，在步骤S2中，所述预处理包括图像去噪以及进行拉普拉斯锐化。

3.根据权利要求2所述的方法，其特征在于，所述图像去噪包括采用中值滤波对图像进行滤波去噪；

所述拉普拉斯锐化包括采用拉普拉斯变化对图像进行增强。

4.根据权利要求1所述的方法，其特征在于，所述卷积结构包括卷积层、批标准化层以及SiLU激活函数。

5.根据权利要求1所述的方法，其特征在于，在步骤S4中，通过以下步骤将得到的YOLOv5l网络在构建的数据集上进行训练、测试：

(1)设置算法参数：初始学习率设置为0.001，动量为0.937，权重衰减为0.0005，批数据大小为24，训练至少100轮；

(2)输入的图像进行Mosaic数据增强、图像尺寸缩放以及自适应锚框计算；

(3)经过Backbone部分对图像进行卷积操作，获得上采样特征图；

(4)经过Neck部分对所述上采样特征图进行特征信息提取与融合，后经过Head部分输出不同尺度的特征图，得到检测模型；

(5)使用所述验证集和测试集验证模型性能，得到最优模型。

6.根据权利要求1-5中任一项所述的方法，其特征在于，将S4中训练、测试得到的最优模型导出，部署在巡检机器人上，采用PyQt5构建交互界面，采用SQLlite搭建本地数据库保存巡检活兔数据。

7.根据权利要求1所述的方法，其特征在于，利用热红外成像仪采集笼养环境下不同日龄的活兔图像。

8.根据权利要求1所述的方法，其特征在于，所述中间层由至少两层C3结构和至少两层下采样卷积结构组成。