基于融合坐标信息的改进YOLO V4模型识别奶牛面部

来源：农业工程学报杂志2021年第15期北京时间：

作者：杨蜀秦,刘杨启航,王振,韩媛媛,王勇胜,蓝贤勇,

摘要：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。

关键词：图像识别, 动物, 奶牛面部, YOLO V4, 注意力机制, 坐标卷积