基于融合坐标信息的改进YOLO V4模型识别奶牛面部

杨蜀秦，刘杨启航，王 振，韩媛媛，王勇胜，蓝贤勇

基于融合坐标信息的改进YOLO V4模型识别奶牛面部

杨蜀秦1,2,3，刘杨启航1,2,3，王 振1，韩媛媛1，王勇胜4，蓝贤勇5

（1. 西北农林科技大学机械与电子工程学院，杨凌 712100；2. 农业农村部农业物联网重点实验室，杨凌 712100；3. 陕西省农业信息感知与智能服务重点实验室，杨凌 712100；4. 西北农林科技大学动物医学院，杨凌 712100；5. 西北农林科技大学动物科技学院，杨凌 712100）

为实现奶牛个体的准确识别，基于YOLO V4目标检测网络，提出了一种融合坐标信息的奶牛面部识别模型。首先，采集71头奶牛面部图像数据集，并通过数据增强扩充提高模型的泛化性能。其次，在YOLO V4网络的特征提取层和检测头部分分别引入坐标注意力机制和包含坐标通道的坐标卷积模块，以增强模型对目标位置的敏感性，提高识别精度。试验结果表明，改进的YOLO V4模型能够有效提取奶牛个体面部特征，平均精度均值为93.68%，平均帧率为18帧/s，虽然检测速度低于无锚框的CenterNet，但平均精度均值提高了10.92%；与Faster R-CNN和SSD模型相比，在检测速度提高的同时，精度分别提高了1.51和16.32个百分点；与原始YOLO V4相比，mAP提高0.89%，同时检测速度基本不变。该研究为奶牛精准养殖中的牛脸图像识别提供了一种有效的技术支持。

图像识别；动物；奶牛面部；YOLO V4；注意力机制；坐标卷积

0 引 言

精准养殖是现代智慧牧业发展的重要方向之一[1-3]。奶牛精准养殖中，奶牛个体身份识别是实现智能化和规模化养殖的前提[4-7]，其能够为个体饲喂方案制定、产奶效能和健康状况分析提供基础信息[8]，也成为奶品溯源、防疫防病和保险理赔等管理工作的重要环节[2]。……