文章详情

摘要

动物识别对于生态保护、农业管理以及智能监控等领域具有重要的意义和作用。然而，人工辨识动物往往依赖于个体的经验和知识，存在主观性强、效率低下和难以大规模应用等问题。为了解决这一挑战，文章重点研究了一种基于深度学习的RGB图像识别方法。基于YOLOv7，引入K-means聚类算法优化目标候选框。实验结果表明，与YOLOv3、YOLOv5、YOLOv7和YOLOv10相比，所提模型在所有评估指标上性能最佳，精度为73.80%，mAP@0.5为74.60%，mAP@0.5:0.95为66.60%；与基线方法YOLOv7相比，在精度（P）、召回率（R）、mAP@0.5和mAP@0.5:0.95上分别提高了0.50%、3.40%、1.30%和2.00%。综上所述，该研究实现了对多种野生动物及家养动物的高效、准确识别，为生态保护、农业管理以及智能监控等领域提供了强有力的技术支持。

关键词

野生动物识别；目标检测；注意力机制

参考文献

1. [1] 梁秀豪，杨丽萍，廖旺姣，等.基于卷积神经网络的油茶害虫生态识别 [J].广西林业科学，2023，52（3）：361-366.
2. [2] 张祖宇，滕永核，秦元丽，等.基于U-Net模型的无人机影像数据地表覆被信息自动提取研究 [J].广西林业科学，2022，51（4）：516-519.
3. [3] 陈琦，林鑫，白澳坤.基于改进YOLOv8的无人机遥感影像树种识别方法 [J].广西林业科学，2024，53（4）：523-529.
4. [4] 杨铭伦，张旭，郭颖，等.基于YOLOv5的红外相机野生动物图像识别 [J].激光与光电子学进展，2022，59（12）：382-390.
5. [5] 吴逊涛，卜书海，李先敏，等.基于红外相机技术的太白山自然保护区野生动物监测 [J].西北林学院学报，2017，32（3）：170-175.
6. [6] 徐秋景，戚大伟.基于灰度共生矩阵的东北虎纹理特征参数 [J].东北林业大学学报，2009，37（7）：125-127+129.
7. [7] 张公伯，谷昱良，朱和贵.基于颜色特征的动物图像分类识别仿真系统设计 [J].舰船电子工程，2017，37（5）：81-85.
8. [8] 李建伟，郑永果.基于CNN的动物识别研究 [J].软件导刊，2019，18（3）：30-33.
9. [9] 齐建东，郑尚姿，陈子仪，等.基于ConvNeXt的北京地区红外相机野生动物图像识别改进模型构建 [J].林业科学，2024，60（8）：33-45.
10. [10] 宫一男，谭孟雨，王震，等.基于深度学习的红外相机动物影像人工智能识别：以东北虎豹国家公园为例 [J].兽类学报，2019，39（4）：458-465.
11. [11] 程浙安.基于深度卷积神经网络的内蒙古地区陆生野生动物自动识别 [D].北京：北京林业大学，2019.
12. [12] 向秋敏.野生动物监测图像显著性检测算法及应用 [D].北京：北京林业大学，2017.
13. [13] WANG C Y，BOCHKOVSKIY A，LIAO H-Y M. YOLOv7: Trainable Bag-of-Freebies Sets New State-of-the-Art for Real-Time Object Detectors [C]//2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR).Vancouver：IEEE，2023：7464-7475.
14. [14] REDMON J，FARHADI A. YOLOv3: An Incremental Improvement [J/OL].arXiv:1804.02767 [cs.CV].[2024-10-26].https://doi.org/10.48550/arXiv.1804.02767.
15. [15] WANG A，CHEN H，LIU L H，et al. YOLOv10: Real-Time End-to-End Object Detection [J/OL].arXiv:2405.14458 [cs.CV].[2024-10-15].https://doi.org/10.48550/arXiv.2405.14458.

基金项目

广西民族师范学院项目（2022FW073）

作者简介

蒙素素（1994—），女，壮族，广西来宾人，专任教师，硕士，研究方向：深度学习、图片识别；康家荣（1989—），男，汉族，江西吉安人，专任教师，硕士，研究方向：图像处理、嵌入式；杨秀增（1974—），男，侗族，湖南怀化人，教授，硕士，研究方向：人工智能优化算法。