基于YOLOv8的猪只计数目标检测

摘要

猪只计数是大规模养猪场在养殖过程中的一项非常重要的工作.在复杂的猪圈环境中，由于猪的应激反应和诸多的障碍物，想要进行准确且自动化的计数是一个非常困难的工作.该文提出了一种基于YOLOv8的猪只数量目标检测模型(SCS-YOLOv8),旨在提高养殖场中猪只计数的准确性和效率.首先，该模型在第5层的C2f层融入Swin Transformer模块，增强模型的特征提取能力.同时，在第10层增加卷积块注意力模块(CBAM)注意力机制，增强模型对小目标和遮挡目标的检测能力，提升模型的鲁棒性.此外，还引入了简化的空间金字塔池化快速(SimSPPF)模块降低计算量，提高了推理速度，采用基于动态非单调聚焦机制的边界框回归(WIoU)损失函数更好地处理猪只的遮挡问题和目标较小的问题，提高模型在复杂场景下的检测性能，并结合软非极大值抑制方法(Soft-NMS)防止两个重合度过高的目标漏检.实验证明，该模型在自制数据集和科大讯飞公开数据集上均取得了优异的性能，其中在自有数据集上的mAP50-95值达到了77.2%,较初始YOLOv8x提高了4.8%,相较于其他YOLO模型都有不同程度的提升.同时该模型在科大讯飞的数据集上也有着不错的表现，证明了其良好的泛用性和鲁棒性.

关键词

Transformer / 猪只计数 / CBAM / SimSPPF / Wiou / Soft-NMS