基于深度学习的家畜虚拟电子围栏设计

针对牧场中家畜越界及传统电子围栏难以防止家畜越界的问题,基于改进后的YOLOv5,设计了虚拟电子围栏。首先采用YOLOv5s模型作为基础,并进行了迁移学习和添加ECA注意力模块。然后利用PyTorch框架进行训练,并对模型进行了评估,相比原版YOLOv5s,改进YOLOv5s对黄牛的检测精确率、召回率、mAP分别提升0.2、1.3、0.7个百分点,单帧推理总耗时下降0.5ms。最后将改进后的模型转换为RKNN格式,并部署在带有NPU的RK3588开发板上,加快模型推理速度。结果表明,通过深度学习技术与ROI划定技术的应用,成功设计了家畜虚拟电子围栏,优化智慧牧场的管理体系,提高管理效率,降低管理成本,并具备一定的实用价值。