郝王麗，韓 猛，李 游，李富忠，胡欣宇

（1.山西農(nóng)業(yè)大學(xué) 軟件學(xué)院，山西 晉中 030801；2.山西財經(jīng)大學(xué) 管理科學(xué)與工程學(xué)院，山西 太原 030006）

0 引 言

生豬檢測是智慧養(yǎng)殖領(lǐng)域非常重要的研究問題，相應(yīng)的模型在生豬表型信息采集等領(lǐng)域應(yīng)用廣泛，可為生豬育種提供重要的支撐信息。

鑒于生豬檢測具有的重要價值，很多學(xué)者對生豬檢測進(jìn)行了研究。楊秋妹等使用Faster R-CNN對群居豬中的豬只頭部和身體進(jìn)行檢測、定位，設(shè)計了一種豬頭和豬體相關(guān)聯(lián)的算法，并利用該算法對豬只的飼養(yǎng)行為進(jìn)行監(jiān)測。該算法對豬只飼養(yǎng)行為監(jiān)測的準(zhǔn)確率為99.6%，召回率為86.93%。薛月菊等提出了基于改進(jìn)Faster R-CNN的哺乳期母豬深度姿態(tài)圖像識別網(wǎng)絡(luò)算法。該算法使用母豬深度視頻圖像作為輸入，在ZF網(wǎng)絡(luò)上集成殘差模塊形成新的ZFD2R網(wǎng)絡(luò)，在保持實時性的同時可提高識別精度。ZF-D2R將監(jiān)督信息連接入Faster R-CNN網(wǎng)絡(luò)，通過這種方式來增強各類別間的內(nèi)聚性并提高模型精度。該論文重點對哺乳期母豬的五種姿態(tài)動作進(jìn)行識別，主要包括站立、坐姿、俯臥、腹臥和側(cè)臥，平均識別精度高達(dá)93.25%，速度也有所提升。李丹等提出了基于Mask R-CNN模型的豬只爬跨行為識別。首先采集俯視角度的圖像并利用Labelme工具進(jìn)行標(biāo)注從而獲得預(yù)處理數(shù)據(jù)；然后利用Mask R-CNN網(wǎng)絡(luò)將豬只從原圖像中檢測、分割并獲取每只豬的Mask像素面積，獲得了94%的分割性能；最后，根據(jù)正樣本（爬跨行為）、負(fù)樣本（非爬跨行為）確定閾值，即在檢測過程中，若分割面積小于邊界閾值，則不會發(fā)生爬跨行為，反之則發(fā)生，識別爬跨行為的準(zhǔn)確率達(dá)到94.5%。

所謂目標(biāo)檢測，即為給定一張照片，通過模型準(zhǔn)確給出圖片中目標(biāo)的位置。目前較流行的目標(biāo)檢測算法大致可以分為兩類：一類為two-stage方法，包含R-CNN模型、Fast R-CNN模型、Faster R-CNN模型。它們首先采用啟發(fā)式方法或卷積神經(jīng)網(wǎng)絡(luò)通過RPN網(wǎng)絡(luò)生成候選區(qū)域（Region Proposal）并進(jìn)行特征提取，然后進(jìn)行分類與邊界回歸。另一類為one-stage方法，包含YOLO系列模型及SSD模型。此類方法將檢測任務(wù)形式化為一個回歸任務(wù)，并利用全卷積神經(jīng)網(wǎng)絡(luò)從輸入圖像中直接預(yù)測出目標(biāo)物體的邊界框。預(yù)測值包含物體的置信度及物體類別。第一類方法精度較高，運行較慢；第二類方法精度較低，運行較快。

為提升生豬檢測的性能，本文從模型及數(shù)據(jù)集構(gòu)造兩個方面進(jìn)行探討，旨在找到一種良好的基于YOLO的生豬檢測模型及較好的數(shù)據(jù)集構(gòu)建方法。對比了基于YOLOv2、YOLOv3及YOLOv4的生豬檢測模型；探討了不同規(guī)模、不同視角、單圖片不同目標(biāo)個數(shù)的數(shù)據(jù)集構(gòu)建方法。

1 方 法

YOLO模型的基本原理是將一張圖像輸入到Y(jié)OLO網(wǎng)絡(luò)中，對數(shù)據(jù)進(jìn)行特征提取后，生成一張?zhí)卣鲌D，然后對其進(jìn)行目標(biāo)識別和位置預(yù)測，最終檢測到目標(biāo)。YOLO模型引入了非極大抑制（Non-maximal Suppression）方法去除目標(biāo)置信度相對較低的重復(fù)邊界框，可大大提高效率。YOLO算法的主要優(yōu)點是網(wǎng)絡(luò)實現(xiàn)簡單、識別與訓(xùn)練速度快、對物體檢測較準(zhǔn)確。

1.1 YOLO模型

Redmon等人提出了性能良好的目標(biāo)檢測系列模型YOLO，包括YOLOv1、YOLOv2、YOLOv3三大類。它們均是端到端的模型且不用直接提取Region Proposal，通過一個網(wǎng)絡(luò)便可實現(xiàn)數(shù)據(jù)輸出（包括目標(biāo)類別、置信度、坐標(biāo)位置）。雖然YOLOv1檢測速度快，但是其對于密集型小目標(biāo)檢測精度偏低。YOLOv2是在YOLOv1基礎(chǔ)上進(jìn)行改進(jìn)而得到的一種目標(biāo)檢測算法。YOLOv1直接通過回歸求得一個目標(biāo)位置坐標(biāo)（，，，），而YOLOv2預(yù)先根據(jù)設(shè)定的候選框大小，在每個目標(biāo)位置特征圖的中心預(yù)測5種不同大小和比例的Region Proposal，再通過回歸計算候選框的偏移值。這樣便可在目標(biāo)框的長寬比相差較大時，增加回歸目標(biāo)框的準(zhǔn)確性，并同時加快訓(xùn)練速度。具體步驟為將圖片的特征提取網(wǎng)絡(luò)修改為DarkNet-19網(wǎng)絡(luò)，輸入后該圖片尺寸從448×448×3變?yōu)?16×416×3，特征圖尺寸從26×26變?yōu)?3×13，用于預(yù)測更小的物體。YOLOv3模型是在YOLOv2模型基礎(chǔ)上進(jìn)一步改進(jìn)的，特征提取網(wǎng)絡(luò)由 DarkNet-19變?yōu)镈arkNet-53；輸入三種尺寸的圖像，分別為320×320、416×416、608×608，提取特征效率由快到慢，檢測精度由低到高。對應(yīng)三種輸入，加入層數(shù)為3的特征金字塔網(wǎng)絡(luò)，提取三種不同大小和尺度的特征，便于處理多尺度樣本檢測的問題。

1.2 YOLOv4模型

為進(jìn)一步提升目標(biāo)檢測性能，文獻(xiàn)[10]提出了YOLOv4模型，該模型在速度和精度方面均優(yōu)于現(xiàn)在較流行的檢測模型。YOLOv4模型結(jié)構(gòu)具體如下：CSPDarkNet53為骨干網(wǎng)絡(luò)（BackBone），空間金字塔池化模塊（Spatial Pyramid Pooling, SPP）為Neck的附加模塊，路徑聚合網(wǎng)絡(luò)（Path Aggregation Network, PAN）為Neck的特征融合模塊。YOLOv4繼承了YOLOv3的Head。與其他模型相比，YOLOv4有以下4個較突出的創(chuàng)新點：（1）針對輸入端，引入Mosaic數(shù)據(jù)增強，通過隨機裁剪、隨機圖片縮放、隨機圖片排放等多種方式對四張輸入圖片進(jìn)行隨機拼接，旨在解決訓(xùn)練數(shù)據(jù)集小、目標(biāo)較少、對小目標(biāo)檢測性能較弱的問題。另一方面，引入了Self-Adversarial Training（SAT）自對抗數(shù)據(jù)增廣方法，具體為通過神經(jīng)網(wǎng)絡(luò)在原始圖像上增加一些擾動。（2）針對Backbone，使用CSPDarkNet53模型替換DarkNet53，因其具有更高的輸入圖像分辨率、更深的結(jié)構(gòu)、更多的模型，能獲得更好的感受野，并能檢測出各種類別和尺寸的目標(biāo)。同時，CSPDarkNet53模型在輕量化的同時還可以保持精度，且可通過減小內(nèi)存成本而減少計算量。（3）針對頸部，采用了空間金字塔池化模塊（SPP），可處理每張圖片中豬的長短和遠(yuǎn)近不同的情況，所以會造成每頭豬的高寬比和尺寸不同并引起一些問題。同時，PAN比YOLOv3中的特征金字塔（FPN）網(wǎng)絡(luò)更好，可聚合不同主干分支層的參數(shù)，為YOLOv4的頭部提供更豐富的信息。（4）針對損失函數(shù)，YOLOv4模型采用了性能更好的CIOU損失和DIOU-NMS損失，可進(jìn)一步改善模型的收斂速率及回歸精度。考慮目標(biāo)框重疊的面積、中心點的距離以及長寬比，CIOU分別增加了長、寬的損失以及檢測框尺度的損失，使預(yù)測框回歸速度和精度進(jìn)一步提升。圖1為YOLOv4網(wǎng)絡(luò)結(jié)構(gòu)圖。

圖1 YOLOv4網(wǎng)絡(luò)結(jié)構(gòu)圖

2 實驗設(shè)置

2.1 實驗平臺

DarkNet框架是現(xiàn)階段非常流行的目標(biāo)檢測框架，由文獻(xiàn)[11]首次提出，為較輕型的基于CUDA和C語言的深度學(xué)習(xí)框架。與目前較流行的Tensorflow和Caffe等框架相比，DarkNet擁有如下優(yōu)點：易安裝、平臺無關(guān)、可支持CPU和GPU兩種計算方式。盡管DarkNet是基于C語言進(jìn)行編寫的，但其提供了Python接口，故可通過Python函數(shù)進(jìn)行調(diào)用。本文使用的目標(biāo)檢測算法YOLOv2、YOLOv3、YOLOv4均基于DarkNet深度學(xué)習(xí)框架。

2.2 模型評估準(zhǔn)則

為比較模型性能，本文使用精確率（P）、召回率（R）、F1值以及平均檢測精度（mean Average Precision, mAP）作為各比較模型的評價指標(biāo)。F1就是精確率和召回率的調(diào)和均值。TP（True Positive）表示模型預(yù)測為豬只目標(biāo)框且實際也為豬只目標(biāo)的檢測框數(shù)量，F(xiàn)P（False Positive）表示模型預(yù)測為豬只目標(biāo)框但實際并不為豬只目標(biāo)的檢測框數(shù)量，F(xiàn)N（False Negative）表示預(yù)測為背景但實際為豬只個體框的樣本數(shù)量。具體公式為：

3 數(shù)據(jù)處理及實驗設(shè)置

3.1 數(shù)據(jù)集的采集與預(yù)處理

數(shù)據(jù)采集持續(xù)了兩個月，去除外部環(huán)境干擾導(dǎo)致的無效或質(zhì)量較差的視頻，共收集了2 TB視頻數(shù)據(jù)。

對視頻數(shù)據(jù)進(jìn)行如下預(yù)處理后得到豬只檢測數(shù)據(jù)集：

（1）對采集視頻每間隔25幀進(jìn)行切割處理，得到分辨率為2 560×1 440的圖片，將圖像的分辨率統(tǒng)一調(diào)整為608×608，并采用LabelImg圖像標(biāo)注工具對豬只個體進(jìn)行標(biāo)注。

（2）對標(biāo)注的數(shù)據(jù)進(jìn)行180°翻轉(zhuǎn)，從而豐富數(shù)據(jù)集使模型泛化能力增強。

（3）對標(biāo)注的圖片使用Mosaic數(shù)據(jù)增強，對每四張圖片進(jìn)行隨機裁剪、隨機拼接、隨機縮放等，以解決數(shù)據(jù)集中小目標(biāo)較少的問題。結(jié)果如圖2所示。

圖2 圖像處理過程

通過標(biāo)注共獲得豬只圖片12 000張，其中包含兩個側(cè)視視角圖像各4 000張，一個俯視視角圖像4 000張。本研究共設(shè)計了三個部分的實驗，對應(yīng)每部分分別構(gòu)建了相應(yīng)的數(shù)據(jù)集：（1）研究不同規(guī)模樣本集對豬只檢測結(jié)果的影響，構(gòu)建了規(guī)模分別為4 000張、8 000張、12 000張的豬只檢測數(shù)據(jù)集，且每種規(guī)模進(jìn)行了三次隨機并以平均值為最終報告結(jié)果。（2）研究不同視角樣本集對豬只檢測結(jié)果的影響，構(gòu)建了兩個側(cè)視視角數(shù)據(jù)集各4 000張、俯視角度數(shù)據(jù)集4 000張。（3）研究單張圖片中目標(biāo)物體數(shù)目不同時對豬只檢測結(jié)果的影響，構(gòu)建了單張圖片少目標(biāo)（1～2個）的數(shù)據(jù)集4 000張、多目標(biāo)（3～4個）的數(shù)據(jù)集4 000張以及包含2 000張少目標(biāo)和2 000張多目標(biāo)的數(shù)據(jù)集。每個數(shù)據(jù)集按7∶3的比例劃分成訓(xùn)練集和測試集。

3.2 模型訓(xùn)練配置

為進(jìn)行公平比較，模型訓(xùn)練的動量系數(shù)為0.9，權(quán)重衰減系數(shù)為0.000 5，最大迭代次數(shù)為12 000，初始學(xué)習(xí)率約為0.001；迭代至9 600次、10 800次時，學(xué)習(xí)率開始衰減。

本實驗所采取的硬件設(shè)備配置如下：GTX TITANXP 12G顯卡、i77800 X 處理器。實驗環(huán)境如下：CUDA10.1，CUDNN7.6.4，Python3.6.9，YOLOv2、YOLOv3、YOLOv4均基于DarkNet框架完成。需要注意的是，文中所有實驗均在TITANX GPU上執(zhí)行。

4 實驗結(jié)果與分析

4.1 模型對比

4.1.1 不同網(wǎng)絡(luò)模型檢測性能比較

為驗證不同模型的性能，本節(jié)對比了YOLOv2、YOLOv3、YOLOv4網(wǎng)絡(luò)模型的檢測性能。使用的數(shù)據(jù)集為既包含不同視角又包含目標(biāo)數(shù)規(guī)模為12 000張的數(shù)據(jù)集，交并比閾值（Intersection Over Union, IOU）為0.5。實驗對比結(jié)果見表1所列。

表1 YOLO模型的性能比較

從表1可以看出，YOLOv2、YOLOv3、YOLOv4網(wǎng)絡(luò)模型的精確率分別為90.00%、93.00%、95.00%，召回率分別為67.20%、68.50%、69.30%，F(xiàn)1值分別為76.00%、78.00%、73.00%，平均檢測精度分別為79.54%、83.12%、86.20%。實驗表明，YOLOv4模型在所有的評價標(biāo)準(zhǔn)上均取得了最好的結(jié)果，且YOLOv3比YOLOv2結(jié)果更好。部分測試結(jié)果如圖3所示。

圖3 測試集在不同網(wǎng)絡(luò)模型上的預(yù)測結(jié)果示例

4.1.2 不同IOU閾值對YOLO檢測性能的影響

IOU是真實標(biāo)記框與預(yù)測框的交并比，交并比越大，模型對目標(biāo)的檢測會更精確。本節(jié)實驗主要探究IOU取值對模型性能的影響，這里對比IOU閾值分別為0.2、0.35、0.5和0.65時不同模型的性能指標(biāo)，結(jié)果見表2所列。

表2 YOLO模型在不同IOU下的性能比較

鑒于豬只個體與其所在背景為二分類，故這里選擇置信度值為0.5，當(dāng)預(yù)測值大于0.5時視其為預(yù)測正確，預(yù)測值小于0.5時視為預(yù)測錯誤。

實驗結(jié)果表明，隨著IOU閾值的增大，模型的各項指標(biāo)變化有較大差異。YOLO模型的各項性能都隨著IOU閾值的增大而變小。雖然在IOU為0.2和0.35時，模型各項性能較高，但是由于預(yù)測框與真實標(biāo)記框的交并比太小，預(yù)測結(jié)果并不理想。另一方面，當(dāng)IOU閾值為0.65時，各個檢測模型的性能劇烈下降達(dá)到10%～20%，檢測性能較差，不能對豬只個體進(jìn)行準(zhǔn)確的檢測?？紤]交并比以及檢測性能，本文選擇IOU為0.5。

4.2 數(shù)據(jù)集構(gòu)建方法驗證

4.2.1 不同規(guī)模數(shù)據(jù)集訓(xùn)練模型性能的比較

為驗證不同規(guī)模數(shù)據(jù)集對模型性能的影響。本節(jié)對比了包含4 000張、8 000張、12 000張圖像的數(shù)據(jù)集下模型的檢測性能。對比實驗結(jié)果見表3所列。從表3可以看出，數(shù)據(jù)集規(guī)模越大，性能越好。驗證了數(shù)據(jù)集規(guī)模對檢測性能的正向影響。

表3 不同規(guī)模數(shù)據(jù)集下的模型性能比較

4.2.2 不同視角數(shù)據(jù)集訓(xùn)練模型性能的比較

為進(jìn)一步深入研究不同視角的圖片對所需要訓(xùn)練網(wǎng)絡(luò)性能的影響，從側(cè)視兩個機位共計8 000張圖片中隨機選擇4 000張圖片制作一個數(shù)據(jù)集、制作一個包含4 000張俯視圖片的數(shù)據(jù)集、制作一個既包含2 000張側(cè)視圖片又包含2 000張俯視圖片的數(shù)據(jù)集。分別利用三個數(shù)據(jù)集來訓(xùn)練YOLOv4網(wǎng)絡(luò)，并進(jìn)行了對比和分析。訓(xùn)練后的模型所得結(jié)果見表4所列。從表中可以看出，包含兩個視角的數(shù)據(jù)集取得了最好的效果，說明了視角多樣性對檢測結(jié)果起正向的影響。

表4 不同視角訓(xùn)練集所訓(xùn)練的模型性能

4.2.3 不同目標(biāo)數(shù)數(shù)據(jù)集訓(xùn)練模型性能的比較

為驗證圖片中包含目標(biāo)物體個數(shù)對檢測性能的影響，本節(jié)對比了三組實驗，分別是少目標(biāo)數(shù)據(jù)集、多目標(biāo)數(shù)據(jù)集、少目標(biāo)+多目標(biāo)數(shù)據(jù)集。實驗結(jié)果見表5所列。由表5可以看出，圖片中包含目標(biāo)物體多的數(shù)據(jù)集可以獲得更好的性能，說明單圖片中目標(biāo)物體個數(shù)多可大大提升模型性能。

表5 不同目標(biāo)數(shù)訓(xùn)練集所訓(xùn)練的模型性能

5 結(jié) 語

本文提出了基于YOLO模型的豬只檢測模型；同時為了提高準(zhǔn)確率，探討了數(shù)據(jù)集構(gòu)建方法。通過實驗驗證得出，YOLOv4模型可以獲得最好的生豬檢測性能；構(gòu)建數(shù)據(jù)集可以選擇大規(guī)模、多視角及多目標(biāo)個體的樣本，這種數(shù)據(jù)集包含的樣本具有多樣性，可提升檢測模型的性能。