本申請涉及人工智能和金融科技，尤其涉及一種基于小目標(biāo)檢測的羊群計(jì)數(shù)方法、裝置、設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、羊產(chǎn)業(yè)是草食畜牧業(yè)的重要組成部分，養(yǎng)殖險的羊險可有效分?jǐn)傪B(yǎng)殖戶風(fēng)險，保障養(yǎng)殖戶利益。羊大部分在草原上放養(yǎng)，草原羊群每天運(yùn)動量大，一般羊一天活動范圍是20公里。在羊險投保環(huán)節(jié)，需要核查羊群數(shù)量。傳統(tǒng)的羊群計(jì)數(shù)方法以人工點(diǎn)數(shù)為主，原牧民的羊群多達(dá)上千只，人工點(diǎn)數(shù)耗費(fèi)時間，會耗費(fèi)大量人力，草效率低下，并且容易出錯。

2、隨著科學(xué)技術(shù)的發(fā)展，目前羊群計(jì)數(shù)的解決方案主要有射頻標(biāo)簽技術(shù)與計(jì)算機(jī)視覺技術(shù)兩大方向。射頻標(biāo)簽技術(shù)主要是在羊只身上安裝rfid電子標(biāo)簽，在羊群出入通道安裝技術(shù)設(shè)備，該方法功能單一、成本較高，而且也不便于隨草場搬遷，限制了其在廣泛應(yīng)用中的普及。而隨著計(jì)算機(jī)視覺技術(shù)的飛速發(fā)展，深度學(xué)習(xí)與視覺技術(shù)的結(jié)合也給羊群檢測領(lǐng)域帶來新的思路。目前，對于目標(biāo)檢測可以借助于深度學(xué)習(xí)技術(shù)來實(shí)現(xiàn)，比如rcnn、fastrcnn、faster?rcnn等，可以較為準(zhǔn)確的檢測出靜態(tài)羊群數(shù)量，但是在實(shí)時性和動態(tài)檢測上有待提升。

技術(shù)實(shí)現(xiàn)思路

1、本申請實(shí)施例的目的在于提出一種基于小目標(biāo)檢測的羊群計(jì)數(shù)方法、裝置、設(shè)備及存儲介質(zhì)，以解決相關(guān)技術(shù)在羊群計(jì)數(shù)的準(zhǔn)確性、實(shí)時性和計(jì)數(shù)效率等方面有待提升的技術(shù)問題。

2、為了解決上述技術(shù)問題，本申請實(shí)施例提供一種基于小目標(biāo)檢測的羊群計(jì)數(shù)方法，采用了如下所述的技術(shù)方案：

3、獲取無人機(jī)采集的草原羊群原始圖片作為原始樣本數(shù)據(jù)集，對所述原始樣本集進(jìn)行預(yù)處理，得到訓(xùn)練集和測試集；

4、將所述訓(xùn)練集輸入預(yù)構(gòu)建的初始目標(biāo)檢測模型，其中，所述初始目標(biāo)檢測模型包括主干網(wǎng)絡(luò)、頸部網(wǎng)絡(luò)和檢測頭網(wǎng)絡(luò)；

5、通過所述主干網(wǎng)絡(luò)對所述訓(xùn)練集中的羊群圖片進(jìn)行不同尺度的特征提取，得到多尺度特征圖片；

6、將所述多尺度特征圖片輸入所述頸部網(wǎng)絡(luò)進(jìn)行特征融合增強(qiáng)，得到多尺度融合特征圖；

7、通過所述檢測頭網(wǎng)絡(luò)對所述多尺度融合特征圖進(jìn)行目標(biāo)檢測，輸出預(yù)測目標(biāo)檢測結(jié)果，所述預(yù)測目標(biāo)檢測結(jié)果包括目標(biāo)預(yù)測位置以及目標(biāo)旋轉(zhuǎn)角度；

8、對所述預(yù)測目標(biāo)檢測結(jié)果進(jìn)行解碼，得到預(yù)測旋轉(zhuǎn)邊界框；

9、按照預(yù)設(shè)損失函數(shù)計(jì)算所述預(yù)測旋轉(zhuǎn)邊界框和實(shí)際邊界框之間的損失值；

10、基于所述損失值調(diào)整所述初始目標(biāo)檢測模型的模型參數(shù)，繼續(xù)迭代訓(xùn)練，直至模型收斂，得到待測試模型，并通過所述測試集對所述待測試模型中進(jìn)行測試，得到最終的目標(biāo)檢測模型；

11、獲取待計(jì)數(shù)羊群圖片，將所述待計(jì)數(shù)羊群圖片輸入所述目標(biāo)檢測模型，得到羊群計(jì)數(shù)結(jié)果。

12、為了解決上述技術(shù)問題，本申請實(shí)施例還提供一種基于小目標(biāo)檢測的羊群計(jì)數(shù)裝置，采用了如下所述的技術(shù)方案：

13、預(yù)處理模塊，用于獲取無人機(jī)采集的草原羊群原始圖片作為原始樣本數(shù)據(jù)集，對所述原始樣本集進(jìn)行預(yù)處理，得到訓(xùn)練集和測試集；

14、輸入模塊，用于將所述訓(xùn)練集輸入預(yù)構(gòu)建的初始目標(biāo)檢測模型，其中，所述初始目標(biāo)檢測模型包括主干網(wǎng)絡(luò)、頸部網(wǎng)絡(luò)和檢測頭網(wǎng)絡(luò)；

15、特征提取模塊，用于通過所述主干網(wǎng)絡(luò)對所述訓(xùn)練集中的羊群圖片進(jìn)行不同尺度的特征提取，得到多尺度特征圖片；

16、融合模塊，用于將所述多尺度特征圖片輸入所述頸部網(wǎng)絡(luò)進(jìn)行特征融合增強(qiáng)，得到多尺度融合特征圖；

17、目標(biāo)預(yù)測模塊，用于通過所述檢測頭網(wǎng)絡(luò)對所述多尺度融合特征圖進(jìn)行目標(biāo)檢測，輸出預(yù)測目標(biāo)檢測結(jié)果，所述預(yù)測目標(biāo)檢測結(jié)果包括目標(biāo)預(yù)測位置以及目標(biāo)旋轉(zhuǎn)角度；

18、解碼模塊，用于對所述預(yù)測目標(biāo)檢測結(jié)果進(jìn)行解碼，得到預(yù)測旋轉(zhuǎn)邊界框；

19、損失計(jì)算模塊，用于按照預(yù)設(shè)損失函數(shù)計(jì)算所述預(yù)測旋轉(zhuǎn)邊界框和實(shí)際邊界框之間的損失值；

20、迭代模塊，用于基于所述損失值調(diào)整所述初始目標(biāo)檢測模型的模型參數(shù)，繼續(xù)迭代訓(xùn)練，直至模型收斂，得到待測試模型，并通過所述測試集對所述待測試模型中進(jìn)行測試，得到最終的目標(biāo)檢測模型；

21、目標(biāo)檢測模塊，用于獲取待計(jì)數(shù)羊群圖片，將所述待計(jì)數(shù)羊群圖片輸入所述目標(biāo)檢測模型，得到羊群計(jì)數(shù)結(jié)果。

22、為了解決上述技術(shù)問題，本申請實(shí)施例還提供一種計(jì)算機(jī)設(shè)備，采用了如下所述的技術(shù)方案：

23、該計(jì)算機(jī)設(shè)備包括存儲器和處理器，所述存儲器中存儲有計(jì)算機(jī)可讀指令，所述處理器執(zhí)行所述計(jì)算機(jī)可讀指令時實(shí)現(xiàn)如上所述的基于小目標(biāo)檢測的羊群計(jì)數(shù)方法的步驟。

24、為了解決上述技術(shù)問題，本申請實(shí)施例還提供一種計(jì)算機(jī)可讀存儲介質(zhì)，采用了如下所述的技術(shù)方案：

25、所述計(jì)算機(jī)可讀存儲介質(zhì)上存儲有計(jì)算機(jī)可讀指令，所述計(jì)算機(jī)可讀指令被處理器執(zhí)行時實(shí)現(xiàn)如上所述的基于小目標(biāo)檢測的羊群計(jì)數(shù)方法的步驟。

26、與現(xiàn)有技術(shù)相比，本申請實(shí)施例主要有以下有益效果：

27、本申請?zhí)峁┮环N基于小目標(biāo)檢測的羊群計(jì)數(shù)方法，通過預(yù)處理采集的原始樣本數(shù)據(jù)集，得到訓(xùn)練集和測試集，使用訓(xùn)練集和測試集對預(yù)構(gòu)建的初始目標(biāo)檢測模型進(jìn)行訓(xùn)練，得到最終的目標(biāo)檢測模型，目標(biāo)檢測模型包括主干網(wǎng)絡(luò)、頸部網(wǎng)絡(luò)和檢測頭網(wǎng)絡(luò)，通過訓(xùn)練完成的目標(biāo)檢測模型對待計(jì)數(shù)羊群圖片進(jìn)行預(yù)測，推理出圖片中的羊群個數(shù)；本申請通過對原始樣本數(shù)據(jù)集進(jìn)行預(yù)處理，能夠提高圖片質(zhì)量，同時增強(qiáng)圖片數(shù)據(jù)的多樣性，提高模型的泛化能力；通過主干網(wǎng)絡(luò)對圖片進(jìn)行多尺度特征提取，能夠增強(qiáng)多尺度特征提取能力，從圖像中提取出更豐富、更有區(qū)分度的特征，有助于提高目標(biāo)檢測的準(zhǔn)確性；通過頸部網(wǎng)絡(luò)將不同尺度的特征圖進(jìn)行融合，增強(qiáng)特征間的依賴關(guān)系，以平衡圖片語義信息，進(jìn)而提高模型對不同大小目標(biāo)的檢測能力；通過檢測頭網(wǎng)絡(luò)對不同尺度的目標(biāo)進(jìn)行預(yù)測，進(jìn)一步提高了目標(biāo)檢測的全面性和準(zhǔn)確性；使用訓(xùn)練完成的目標(biāo)檢測模型進(jìn)行羊群數(shù)量識別，能夠提高計(jì)數(shù)的效率和準(zhǔn)確性，且操作簡單方便且客觀，節(jié)約大量人力物力。

技術(shù)特征：

1.一種基于小目標(biāo)檢測的羊群計(jì)數(shù)方法，其特征在于，包括下述步驟：

2.根據(jù)權(quán)利要求1所述的基于小目標(biāo)檢測的羊群計(jì)數(shù)方法，其特征在于，所述對所述原始樣本集進(jìn)行預(yù)處理，得到訓(xùn)練集和測試集的步驟包括：

3.根據(jù)權(quán)利要求1所述的基于小目標(biāo)檢測的羊群計(jì)數(shù)方法，其特征在于，所述主干網(wǎng)絡(luò)包括標(biāo)準(zhǔn)卷積層、第一卷積融合模塊、第二卷積融合模塊、第一cbam注意力機(jī)制層、第三卷積融合模塊、第二cbam注意力機(jī)制層、第四卷積融合模塊、sppf模塊和第三cbam注意力機(jī)制層，所述通過所述主干網(wǎng)絡(luò)對所述訓(xùn)練集中的羊群圖片進(jìn)行不同尺度的特征提取，得到多尺度特征圖片的步驟包括：

4.根據(jù)權(quán)利要求3所述的基于小目標(biāo)檢測的羊群計(jì)數(shù)方法，其特征在于，所述第一卷積融合模塊、第二卷積融合模塊、第三卷積融合模塊和第四卷積融合模塊分別獨(dú)立地包括卷積層和c2f模塊，其中，所述c2f模塊包括依次首尾連接的第一個卷積塊、通道分裂層、bottleneck塊、連接層、第二個卷積塊和ada注意力機(jī)制層，所述通過所述第一卷積融合模塊對所述標(biāo)準(zhǔn)卷積特征圖進(jìn)行第一尺度特征提取，得到第一尺度卷積特征圖的步驟包括：

5.根據(jù)權(quán)利要求4所述的基于小目標(biāo)檢測的羊群計(jì)數(shù)方法，其特征在于，所述bottleneck塊包含多個依次連接的bottleneck層，每個所述bottleneck層包括第一個ghost子層、第二個ghost子層和ema注意力機(jī)制子層，所述通過所述bottleneck塊對所述第一特征分割圖進(jìn)行卷積增強(qiáng)，得到增強(qiáng)卷積特征圖的步驟包括：

6.根據(jù)權(quán)利要求3所述的基于小目標(biāo)檢測的羊群計(jì)數(shù)方法，其特征在于，所述頸部網(wǎng)絡(luò)包括第一頸部支路和第二頸部支路，所述第一頸部支路包括第一上采樣模塊、第一c2f模塊組合、第二上采樣模塊和第二c2f模塊組合，所述第二頸部支路包括第一ghost模塊、第三c2f模塊組合、第二ghost模塊和第四c2f模塊組合，所述將所述多尺度特征圖片輸入所述頸部網(wǎng)絡(luò)進(jìn)行特征融合增強(qiáng)，得到多尺度融合特征圖的步驟包括：

7.根據(jù)權(quán)利要求6所述的基于小目標(biāo)檢測的羊群計(jì)數(shù)方法，其特征在于，所述檢測頭網(wǎng)絡(luò)包括三個檢測頭，分別為第一檢測頭、第二檢測頭和第三檢測頭，其中，每個檢測頭包括目標(biāo)類別預(yù)測分支和邊界框預(yù)測分支；所述通過所述檢測頭網(wǎng)絡(luò)對所述多尺度融合特征圖進(jìn)行目標(biāo)檢測，輸出預(yù)測目標(biāo)檢測結(jié)果的步驟包括：

8.一種基于小目標(biāo)檢測的羊群計(jì)數(shù)裝置，其特征在于，包括：

9.一種計(jì)算機(jī)設(shè)備，其特征在于，包括存儲器和處理器，所述存儲器中存儲有計(jì)算機(jī)可讀指令，所述處理器執(zhí)行所述計(jì)算機(jī)可讀指令時實(shí)現(xiàn)如權(quán)利要求1至7中任一項(xiàng)所述的基于小目標(biāo)檢測的羊群計(jì)數(shù)方法的步驟。

10.一種計(jì)算機(jī)可讀存儲介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲介質(zhì)上存儲有計(jì)算機(jī)可讀指令，所述計(jì)算機(jī)可讀指令被處理器執(zhí)行時實(shí)現(xiàn)如權(quán)利要求1至7中任一項(xiàng)所述的基于小目標(biāo)檢測的羊群計(jì)數(shù)方法的步驟。

技術(shù)總結(jié)
本申請屬于人工智能和金融科技領(lǐng)域，涉及一種基于小目標(biāo)檢測的羊群計(jì)數(shù)方法，包括預(yù)處理采集的原始樣本數(shù)據(jù)集，得到訓(xùn)練集和測試集，使用訓(xùn)練集和測試集對預(yù)構(gòu)建的初始目標(biāo)檢測模型進(jìn)行訓(xùn)練，得到最終的目標(biāo)檢測模型，目標(biāo)檢測模型包括主干網(wǎng)絡(luò)、頸部網(wǎng)絡(luò)和檢測頭網(wǎng)絡(luò)，通過訓(xùn)練完成的目標(biāo)檢測模型對待計(jì)數(shù)羊群圖片進(jìn)行預(yù)測，識別出圖片中的羊群個數(shù)。本申請還提供一種基于小目標(biāo)檢測的羊群計(jì)數(shù)裝置、設(shè)備及存儲介質(zhì)。此外，本申請還涉及區(qū)塊鏈技術(shù)，目標(biāo)檢測模型可存儲于區(qū)塊鏈中。本申請能夠提高計(jì)數(shù)的效率和準(zhǔn)確性，節(jié)約人力物力。

技術(shù)研發(fā)人員：溫利輝,徐妙然
受保護(hù)的技術(shù)使用者：中國平安財(cái)產(chǎn)保險股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6