基于改进YOLOv7和图像融合的哺乳期死亡仔猪检测方法

摘要

[目的]针对人工巡检哺乳期死亡仔猪费时费力且易引起母猪应激反应等问题，提出一种基于图像配准融合和改进YOLOv7的哺乳期死亡仔猪自动化检测方法。[方法]使用KAZE特征点匹配算法将可见光图像与热红外图像进行匹配，利用几何变换将配准图像空间对齐，通过Curvelet变换将待配准图像进行分解重构逆变为融合图像。以YOLOv7模型为基础，将SE注意力模块引入原始网络的Backbone部分，形成改进模型YOLOv7-SE,降低图像中低暗背景信息对目标识别的干扰，从而提升模型的检测性能。[结果]试验结果表明：模型在融合图像上的准确率、召回率与平均精度均值均高于可见光图像与热红外图像；与原始YOLOv7相比，YOLOv7-SE在准确率和召回率上分别提升3.2%和4.3%,平均单幅图片检测时间仅为6.8 ms。[结论]该模型可以实现养殖场场景下哺乳期死亡仔猪准确快速检测。

关键词

死亡仔猪 / 哺乳期 / 图像配准融合 / YOLOv7-SE

基金资助

科技创新2030——“新一代人工智能”重大项目(2021ZD0113803); 江苏省现代农机装备与技术示范推广项目(NJ2021-39)