融合特征金字塔与可变形卷积的高密度群养猪计数方法

针对猪只人工计数方法消耗时间和劳动力，育肥猪较为活跃且喜好聚集，图像中存在大量的高密度区域，导致猪只之间互相粘连、遮挡等问题，基于SOLO v2实例分割算法，提出了一种自然养殖场景下融合多尺度特征金字塔与二代可变形卷积的高密度群养猪计数模型。通过优化模型结构来减少计算资源的消耗与占用。将科大讯飞给出的猪只计数的公开数据集划分为猪只分割数据集和猪只盘点测试集，利用猪只分割数据集获得较好的分割模型，然后在猪只盘点测试集中测试盘点准确率，实现猪群分割和猪只计数。实验结果表明，本文提出的高密度猪只计数模型的分割准确率达到96.7%，且模型内存占用量为256MB，为改进前的2/3，实现了遮挡、粘连和重叠情况下的猪只个体高准确率分割。在含有500幅猪只图像计数测试集中，模型计算猪只数量误差为0时的图像数量为207幅，较改进前提高26%。模型计算猪只数量误差小于2头猪的图像数量占测试图像总数量的97.2%。模型计算猪只数量误差大于3头猪的图像数量占总体图像数量比例仅为1%。最后，对比基于YOLO v5的群养猪计数方法，本文模型具有更优的分割效果和计数准确率，验证了本文方法对群养猪只计数的有效性。因此，本文模型既实现了高密度猪群的精准计数，还通过优化模型结构大大降低了模型对计算设备的依赖，使其适用于养殖场内猪群在线计数。

High-density Pig Herd Counting Method Combined with Feature Pyramid and Deformable Convolution