基于改进YOLOv5的鹅蛋孵化早期成活性无损检测

摘要

针对人工照检在鹅蛋孵化成活性检测中存在效率低、劳动强度大、误判率高等缺点,试验提出一种基于改进YOLOv5的鹅蛋孵化早期成活性检测模型。设计2种不同采样系统获取孵化4~7d的鹅蛋特征图像,通过旋转、改变对比度等增强技术构建数据集。在YOLOv5模型的基础上,添加SE(Squeeze-and-Excitation)注意力机制模块增强模型特征提取能力,并引入FReLu激活函数替换原有SiLU激活函数,增强空间灵敏度的同时,显著改善图像视觉。使用改进模型对不同采样系统、不同孵化天数的鹅蛋数据集进行训练、测试,并与原始YOLOv5模型对比。结果显示:选取交并比(IoU)为0.5,2种采样系统的改进YOLOv5模型检测平均精度均值(mAP_(0.5))分别为96.5%、86.3%,单个鹅蛋平均检测时长为62.3ms、34.6ms;对孵化4 d、5 d、6 d、7 d的鹅蛋数据集分开测试,改进YOLOv5模型的mAP_(0.5)分别达到了89.6%、95.4%、98.3%、100%,对比原始YOLOv5模型,改进YOLOv5模型的mAP_(0.5)、F1因子分别提高了3.1%、4.1%。研究表明,改进YOLOv5检测模型在保持轻量化的同时,检测精度高、速度快,可实现对鹅蛋孵化早期成活性的无损检测,并为后期基于工业蛋托实现一次性多个种蛋的快速检测提供依据。