基于改进YOLO v4的生猪耳根温度热红外视频检测方法

基于热红外视频的生猪体温检测过程中,视频中保育期生猪头部姿态变化大,且耳根区域小,导致头部和耳根区域定位精度低,影响生猪耳根温度的精准检测。针对以上问题,本文提出了一种基于改进YOLO v4(Mish Dense YOLO v4,MD-YOLO v4)的生猪耳根温度检测方法,构建了生猪关键部位检测模型。首先,在CSPDarknet-53主干网络中,添加密集连接块,以优化特征转移和重用,并将空间金字塔池化(Spatial pyramid pooling, SPP)模块集成到主干网络,进一步增加主干网络感受野;其次,在颈部引入改进的路径聚合网络(Path aggregation network, PANet),缩短多尺度特征金字塔图的高、低融合路径;最后,网络的主干和颈部使用Mish激活函数,进一步提升该方法的检测精度。试验结果表明,该模型对生猪关键部位检测的mAP为95.71%,分别比YOLO v5和YOLO v4高5.39个百分点和6.43个百分点,检测速度为60.21 f/s,可满足实时检测的需求;本文方法对热红外视频中生猪左、右耳根温度提取的平均绝对误差分别为0.26℃和0.21℃...     

基于骨架扫描策略的生猪耳根体表温度FDSST检测方法

为了实现生猪耳根体表温度自动检测,减少快速判别尺寸空间跟踪（Fast discriminative scale space tracking, FDSST）方法在热红外视频中进行头部跟踪产生的误差,提出了一种利用骨架扫描策略改进FDSST的生猪耳根体表温度检测方法。首先对视频的初始帧进行预处理,提取精简后的生猪整体骨架;其次,设计骨架扫描策略,扫描头部骨架前端关键点,实现头部在初始帧的定位;再次,采用FDSST跟踪生猪头部,每连续跟踪N帧后,采用骨架扫描策略重新定位头部,减少跟踪框漂移;最后提出耳根体表温度提取方法,根据头部左右耳侧温度分布,提取耳根温度并误差校正。利用采集到的30只生猪的视频数据,在Matlab平台上进行了测试,并与FDSST算法、压缩感知跟踪和核相关滤波跟踪等高效算法对比分析。结果表明,本文方法的跟踪平均精确度分别提高了7.82、11.82、8.78个百分点,提取的耳根最大温度误差为0.32℃。