基于深度学习的无人机影像密集羊群检测
文献类型：学位论文
| 作者 | 隋翔宇 |
| 答辩日期 | 2024-06 |
| 文献子类 | 学术型学位 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 中国科学院地理科学与资源研究所 |
| 导师 | 廖小罕 ; 王东亮 |
| 关键词 | 无人机遥感 密集羊群检测 旋转目标检测 YOLOv7 CA注意力机制 |
| 学位名称 | 硕士 |
| 学位专业 | 地图学与地理信息系统 |
| 英文摘要 | 内蒙古自治区是我国重要的草原畜牧业基地，以其高速发展的羊养殖业而闻名。在草畜分析中，精确实时的羊群数据是羊群管理的基础。充分了解羊群的分布、数量等指标不仅能够让草原放牧者准确了解自家羊的数量，而且对草畜平衡有极大的推动效用。因此，快速获取羊的数据并实现准确的羊检测至关重要。无人机作为一种无人驾驶飞行器，具有机动灵活，易于上手，成本低廉，成像分辨率高等诸多优点，能够快速获取羊群的高质量航拍影像。同时，深度学习作为一种人工智能技术，已经在计算机视觉、自然语言处理等领域取得了巨大成功。基于深度学习的目标检测技术能够实现对数据集中特定目标的检测，获取目标的统计数据。综上所述，利用无人机航拍获取羊群数据，基于深度学习模型进行羊检测具有良好的应用前景和研究价值。然而，羊不仅体型小，而且容易聚集，常规的目标检测模型的检测效果不佳，容易出现大量漏检，无法满足实际应用需求。此外，无人机视角下的数据相比于常规地面相机拍摄的数据带来了新的检测挑战。当前已有的密集目标检测多为对行人、车辆的研究，较少有针对动物，尤其是无人机视角下的草原放牧羊群的研究。因此，本文以内蒙古自治区苏尼特右旗、西乌珠穆沁旗、新巴尔虎左旗和鄂温克族自治旗部分地区作为研究区域，利用无人机获取草原中羊的研究数据，结合研究数据的密集、小、以及视角独特的3 个特点，对YOLOv7 网络的主干网络部分以及预测部分进行改进，提出了一种新的深度学习目标检测模型DSNet（Dense Sheep Net），以提高在无人机视角下对草原密集分布的羊群进行检测的效果，对智慧牧场的建设及草畜平衡管理有重要的指导意义。本文主要工作及创新点包括以下内容： （1）目前缺乏基于无人机影像的密集的羊群目标数据集，本文获取并制作了一套基于无人机影像的密集羊群目标检测数据集。本文详细介绍了从无人机航拍影像获取到密集羊群数据集的制作过程，对密集羊群数据集中的标注信息进行了综合分析，研究了数据集中目标的数据特性，为后续目标检测提供有效样本数据。 （2）针对常规的目标检测模型对无人机影像密集小目标检测效果不佳的问题，在YOLOv7目标检测模型预测的维度上使用了带有旋转角度的矩形检测框，减少前景-背景类别不平衡的问题，尤其适用于分布方向各异的密集羊群，有效改善羊群分布密集所导致的漏检问题，引入旋转检测框可以显著提高模型的召回率；在YOLOv7 的主干网络输出的3 个有效特征层后添加CA 注意力机制，增强网络对小目标的特征提取能力，有效改善羊群目标小从而导致的误检、漏检问题，预期可以略微提高模型的召回率和准确率。通过对模型进行优化和改进，DSNet有望显著提高检测效果和性能，从而在密集羊群检测任务中取得出色表现。实验结果表明，将CA 注意力机制单独添加到YOLOv7 模型中，相较于原始YOLOv7模型，mAP 提高了1.17%。在YOLOv7模型基础上，引入旋转目标检测框，mAP 相较于原始YOLOv7模型提高了2.72%。将旋转目标检测框和CA注意力机制同时添加到YOLOv7模型中，相较于原始YOLOv7模型，mAP 提高了3.65%，同时召回率和准确率分别提高了5.98%和0.98%。本文的改进模型显著降低了漏检率，略微降低了误检率，检测性能明显优于原模型。本文对改进模型与其他目标检测模型进行了综合评估，与Faster R-CNN、YOLOv3、YOLOv4、YOLOx-s、YOLOx-tiny、YOLOv5-s、YOLOv5-m、YOLOv5-l模型相比，mAP 分别提升了94.29%、9.26%、9.33%、11.42%、7.5%、3.86%、5.87%、19.18%。准确率分别提升了88.27%、10.52%、10.52%、4.64%、3.75%、1.77%、2.95%、3.48%。召回率分别提升了96.32%、10.95%、9.25%、12.8%、7.28%、5.99%、7.5%、29.41%。实验证明，本文构建的DSNet 能有效提升无人机视角下影像的目标检测精度。与其他常见的目标检测模型相比，DSNet在目标较小和羊群密集分布的场景下表现出更高的性能和效果，为无人机视角下的密集动物检测任务提供了有效的解决方案。基于本文提出的DSNet 模型，未来可以进一步探索在智能放牧、牧场管理、动物计数等领域的应用。结合无人机技术和深度学习算法，可以实现对羊群等动物的精准监测和管理，为畜牧业的智能化发展提供有力支持。 |
| 语种 | 中文 |
| 页码 | 90 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/208110]  |
| 专题 | 地理科学与资源研究所_研究生部 |
| 推荐引用方式 GB/T 7714 | 隋翔宇. 基于深度学习的无人机影像密集羊群检测[D]. 中国科学院地理科学与资源研究所. 中国科学院大学. 2024. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。