摘要:基于熱紅外視頻的生豬體溫檢測過程中,視頻中保育期生豬頭部姿態(tài)變化大,,且耳根區(qū)域小,導(dǎo)致頭部和耳根區(qū)域定位精度低,影響生豬耳根溫度的精準(zhǔn)檢測,。針對以上問題,本文提出了一種基于改進(jìn)YOLO v4(Mish Dense YOLO v4,,MD-YOLO v4)的生豬耳根溫度檢測方法,,構(gòu)建了生豬關(guān)鍵部位檢測模型。首先,,在CSPDarknet-53主干網(wǎng)絡(luò)中,,添加密集連接塊,以優(yōu)化特征轉(zhuǎn)移和重用,,并將空間金字塔池化(Spatial pyramid pooling,,SPP)模塊集成到主干網(wǎng)絡(luò),進(jìn)一步增加主干網(wǎng)絡(luò)感受野,;其次,,在頸部引入改進(jìn)的路徑聚合網(wǎng)絡(luò)(Path aggregation network,PANet),,縮短多尺度特征金字塔圖的高,、低融合路徑;最后,,網(wǎng)絡(luò)的主干和頸部使用Mish激活函數(shù),,進(jìn)一步提升該方法的檢測精度。試驗(yàn)結(jié)果表明,,該模型對生豬關(guān)鍵部位檢測的mAP為95.71%,,分別比YOLO v5和YOLO v4高5.39個(gè)百分點(diǎn)和6.43個(gè)百分點(diǎn),檢測速度為60.21f/s,,可滿足實(shí)時(shí)檢測的需求,;本文方法對熱紅外視頻中生豬左、右耳根溫度提取的平均絕對誤差分別為0.26℃和0.21℃,,平均相對誤差分別為0.68%和0.55%,。結(jié)果表明本文提出的基于改進(jìn)YOLO v4的生豬耳根溫度檢測方法,可以應(yīng)用于熱紅外視頻中生豬關(guān)鍵部位的精準(zhǔn)定位,,進(jìn)而實(shí)現(xiàn)生豬耳根溫度的準(zhǔn)確檢測,。