劉琪偉　郭小燕　李純斌　楊道涵

關(guān)鍵詞：YOLOv5;牛個(gè)體;圖像識(shí)別;輕量級

中圖分類號：TP391 文獻(xiàn)標(biāo)志碼：A

0 引言（Introduction）

隨著我國整體生活水平的提高，人們對牛肉制品和牛奶制品的需求日益增大，快速有效地進(jìn)行牲畜個(gè)體身份識(shí)別是開展精細(xì)化飼養(yǎng)、牲畜體征監(jiān)測、畜產(chǎn)品溯源工作的基礎(chǔ)。目前，識(shí)別牛個(gè)體圖像的方法主要有接觸式識(shí)別和非接觸式機(jī)器視覺識(shí)別兩種。接觸式識(shí)別方法又可以分為永久性識(shí)別法（Permanent Identification Methodology，PIM）、半永久性識(shí)別法（Semi-permanent Identification Methodology，SIM）及臨時(shí)性識(shí)別法（Temporary Identification Methodology，TIM）[1]。PIM主要通過耳槽、耳紋、熱鐵標(biāo)記和冷凍烙印等方式識(shí)別牛個(gè)體，會(huì)對牛個(gè)體造成不同程度的傷害，容易造成牛個(gè)體感染疾病[2]。SIM主要通過耳標(biāo)進(jìn)行牛個(gè)體識(shí)別，耳標(biāo)的類型有塑料吊墜、塑料條形碼、金屬耳夾等，如果長期使用這些耳標(biāo)，會(huì)造成牛個(gè)體的耳朵腐爛;此外，耳標(biāo)可以復(fù)制、偽造，并且有遺失風(fēng)險(xiǎn)，容易造成牛個(gè)體的錯(cuò)誤識(shí)別或者無法識(shí)別[3]。TIM 包括染色和無線射頻識(shí)別技術(shù)（Radio Frequency Identification，RFID）等，基于RFID的耳標(biāo)雖然可快速讀取牛個(gè)體的個(gè)體信息，但是染色的效果受奶?；ㄉ绊懀瑫r(shí)該技術(shù)識(shí)別距離有限且技術(shù)應(yīng)用成本高，因此有較大的局限性[4]。

1 相關(guān)研究（Related research）

隨著計(jì)算機(jī)視覺與人工智能技術(shù)的發(fā)展，目標(biāo)檢測技術(shù)被廣泛應(yīng)用在牛臉識(shí)別等計(jì)算機(jī)視覺領(lǐng)域。根據(jù)對圖像進(jìn)行識(shí)別與定位的特征，目標(biāo)檢測技術(shù)可分為One Stage和TwoStage兩種，其中Two Stage目標(biāo)檢測算法首先對輸入的圖像進(jìn)行區(qū)域推薦（Region Proposal），生成一系列的候選區(qū)域，其次通過卷積神經(jīng)網(wǎng)絡(luò)對這些候選的區(qū)域進(jìn)行分類和回歸[5-6]。典型的算法有RCNN[7]、Fast-RCNN[8]、SPP-Net[9]、Faster RCNN[10]等，它們將其識(shí)別過程分為兩個(gè)階段，檢測速度較慢。One Stage算法將邊框回歸與目標(biāo)識(shí)別合并為一個(gè)步驟，擁有更高的檢測速度。其中，代表性的算法有SSD[11-12]系列、FCOS[13]、YOLO[14-15]系列算法，其中YOLO 算法參數(shù)量、計(jì)算量較少，因此檢測速度較快，在牛個(gè)體圖像識(shí)別方面已經(jīng)得到了廣泛應(yīng)用。姜世奇[16]在YOLOv3的基礎(chǔ)上進(jìn)行改進(jìn)，使用Microsoft COCO數(shù)據(jù)集進(jìn)行模型預(yù)訓(xùn)練，通過構(gòu)建的目標(biāo)檢測數(shù)據(jù)集進(jìn)行微調(diào)并應(yīng)用于牛面部識(shí)別。SHEN等[17]首先將奶牛的側(cè)視圖圖像分割成頭部、軀干和腿部三個(gè)部分，其次利用YOLO算法檢測圖像中的奶牛對象，最后使用優(yōu)化的CNN模型進(jìn)行牛個(gè)體身份識(shí)別，檢測準(zhǔn)確率為96.65%。YOLOv5作為典型的One Stage識(shí)別方法，具有復(fù)雜場景下目標(biāo)檢測識(shí)別的優(yōu)勢，已經(jīng)被廣泛應(yīng)用于農(nóng)業(yè)目標(biāo)實(shí)時(shí)檢測與識(shí)別中，但其模型的體積較大、參數(shù)多，需要大量的樣本進(jìn)行模型訓(xùn)練，對運(yùn)算的軟件和硬件設(shè)備要求高，而高質(zhì)量的牛個(gè)體樣本數(shù)據(jù)的獲取費(fèi)時(shí)、費(fèi)力。因此，設(shè)計(jì)一個(gè)輕量、高效的非接觸式牛個(gè)體識(shí)別模型，使其可以在樣本數(shù)量有限的情況下，運(yùn)行于手機(jī)、平板電腦等移動(dòng)設(shè)備中，方便牧民與養(yǎng)殖戶進(jìn)行牛個(gè)體身份識(shí)別，顯得非常必要。

本文以YOLOv5為基礎(chǔ)模型，設(shè)計(jì)了一個(gè)輕量級牛個(gè)體識(shí)別模型（Light YOLO Net，LY-Net），利用輕量級網(wǎng)絡(luò)GhostNet作為主干網(wǎng)絡(luò)模型，并減少C3參數(shù)，采用CARAFE作為上采樣算子，采用EIoU Loss作為損失函數(shù)，在保證識(shí)別精度的情況下實(shí)現(xiàn)了減少網(wǎng)絡(luò)參數(shù)、提升識(shí)別速度的目標(biāo)。該模型通過對30 頭牛個(gè)體，共6 775 幅自建數(shù)據(jù)進(jìn)行測試，識(shí)別精確率約為99.6%。實(shí)驗(yàn)表明，該模型在實(shí)現(xiàn)輕量化設(shè)計(jì)的同時(shí)，可以高效、準(zhǔn)確地進(jìn)行牛個(gè)體圖像識(shí)別。

2 YOLOv5 網(wǎng)絡(luò)模型改進(jìn)（YOLOv5 networkmodel improvements）

本文采用YOLOv5s 6.1版本作為基礎(chǔ)網(wǎng)絡(luò)模型，該模型主要由輸入端Input、Backbone、Neck及Head四個(gè)部分組成。與YOLOv5s 5.x相比，YOLOv5s 6.1版本將Backbone Focus層換成一個(gè)6×6大小的卷積層，目的是擴(kuò)大卷積核的感受野;在Neck中將SPP換為SPPF結(jié)構(gòu)，提高運(yùn)行速度。為了進(jìn)一步實(shí)現(xiàn)網(wǎng)絡(luò)輕量級的目標(biāo)，本文將YOLOv5s 6.1模型的主干網(wǎng)絡(luò)替換為輕量級網(wǎng)絡(luò)Ghost Net，并減少C3參數(shù)，在識(shí)別精度不受影響的情況下實(shí)現(xiàn)了網(wǎng)絡(luò)模型的輕量化、速度提升的目標(biāo)，網(wǎng)絡(luò)使用輕量高效的上采樣算子CARAFE，進(jìn)一步減少網(wǎng)絡(luò)參數(shù)，采用Focal-EIoU Loss作為損失函數(shù)，加速收斂。

2.1LY-Net網(wǎng)絡(luò)結(jié)構(gòu)

首先將一幅經(jīng)過預(yù)處理的大小為3×640×640的RGB圖像進(jìn)行歸一化操作，送入Backbone主干網(wǎng)絡(luò)進(jìn)行特征提取，其次利用Neck將淺層的特征與深層特征進(jìn)行特征融合以豐富網(wǎng)絡(luò)模型的特征信息，在Head輸出20×20、40×40、80×80三種像素的矩形識(shí)別區(qū)域，分別對應(yīng)于不同圖像大小的牛個(gè)體，圖1為本文所使用的LY-Net模型框架圖。

2.2 輕量級網(wǎng)絡(luò)Ghost Net

YOLOv5主干特征提取網(wǎng)絡(luò)采用C3結(jié)構(gòu)，因?yàn)閰?shù)量較大，所以影響了檢測速度。C3是刪除BottleneckCSP中的部分Conv模塊后產(chǎn)生的新模塊，C3根據(jù)是否使用Shortcut連接分為C3-False和C3-True兩個(gè)模塊。C3模塊能夠增強(qiáng)對淺層特征的提取能力，利用Shortcut連接淺層特征，最終在增強(qiáng)整個(gè)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)能力的同時(shí)降低計(jì)算成本。針對本文采用的數(shù)據(jù)集牛個(gè)體圖像檢測的特點(diǎn)，本文將YOLOv5模型的主干網(wǎng)絡(luò)替換為輕量級網(wǎng)絡(luò)Ghost Net，并減少C3參數(shù)，將Backbone部分中的C3數(shù)量從（3，9，9，3）減少為（2，6，8，2），從而減少特征信息丟失且降低計(jì)算量。

相比傳統(tǒng)的卷積，Ghost Net[18]分為兩步走，首先GhostNet采用正常的卷積計(jì)算，得到Channel較少的特征圖，其次利用Cheap Operation得到更多的特征圖，最后將不同的特征圖疊加，組合成新的Output。圖2為傳統(tǒng)卷積和Ghost Net卷積的對比圖。

2.3 上采樣算子CARAFE

YOLOv5中默認(rèn)使用最近鄰插值（Neares），也稱為零階插值，這是最簡單的插值方法，僅通過像素點(diǎn)的空間位置決定上采樣核，沒有使用特征圖的語義信息，可以看作是一種“均勻”的上采樣，而且感知域通常很?。ㄗ罱?×1，雙線性2×2）。針對這些問題，本文使用輕量高效的上采樣算子CARAFE，通過少量參數(shù)和計(jì)算保持輕量級功能。CARAFE分為兩個(gè)主要模塊，分別是上采樣核預(yù)測模塊和特征重組模塊。假設(shè)上采樣倍率為σ，給定一個(gè)形狀為H ×W ×C 的輸入特征圖，CARAFE首先利用上采樣核預(yù)測模塊預(yù)測上采樣核，其次利用特征重組模塊完成上采樣，得到形狀為σH ×σW ×C 的輸出特征圖[19]。

2.4Focal-EIoU Loss

YOLOv5使用CIoU Loss作為Bounding Box的損失函數(shù)，同時(shí)采用Logits損失函數(shù)和二進(jìn)制交叉熵（BCE）分別計(jì)算目標(biāo)得分和類概率的損失。CIoU Loss雖然考慮了邊界框回歸的重疊面積、中心點(diǎn)距離、縱橫比，但是縱橫比的差異不是寬高分別與其置信度的真實(shí)差異，所以有時(shí)會(huì)阻礙模型有效地優(yōu)化相似性。針對這一問題，本文采用Focal-EIoU Loss損失函數(shù)替換CIoU Loss損失函數(shù)。將縱橫比的損失項(xiàng)拆分成預(yù)測的寬高分別與最小外接框?qū)捀叩牟钪担铀倭耸諗?，提高了回歸精度。

Focal-EIoU Loss將縱橫比的損失項(xiàng)拆分成預(yù)測的寬高分別與最小外接框?qū)捀叩牟钪?，加速了收斂，提高了回歸精度，并引入Focal Loss優(yōu)化邊界框回歸任務(wù)中的樣本不平衡問題，即減少與目標(biāo)框重疊較少的大量錨框?qū)ounding Box回歸的優(yōu)化貢獻(xiàn)，使回歸過程專注于高質(zhì)量錨框[20]。LEIoU 損失計(jì)算公式分別如公式（1）、公式（2）、公式（3）所示：

3 實(shí)驗(yàn)材料處理（Experiment and result analysis）

3.1 數(shù)據(jù)集獲取

本文使用的牛個(gè)體圖像數(shù)據(jù)集于2022年5月在甘肅省張掖市某養(yǎng)殖場內(nèi)采集，采集設(shè)備為Nikon D810相機(jī)，拍攝圖像分辨率為4 000×2 248像素，圖像格式為JPEG。為滿足在不同地點(diǎn)和時(shí)間條件下的檢測需要，分別在生活區(qū)和休閑區(qū)（時(shí)間段為早晨、正午和傍晚）進(jìn)行圖像采集。期間共采集有效圖像6 775幅，對圖片進(jìn)行背景模糊等操作，分別以Cow1～Cow30對牛個(gè)體進(jìn)行編號，制作了樣本數(shù)據(jù)集。表1為該數(shù)據(jù)集30頭牛個(gè)體樣本信息。圖3為數(shù)據(jù)集牛個(gè)體樣本圖像。

3.2 數(shù)據(jù)標(biāo)注

使用可視化標(biāo)注工具LabelImg進(jìn)行數(shù)據(jù)集標(biāo)注，以目標(biāo)的最小外接矩形進(jìn)行標(biāo)記，標(biāo)注文件類型為txt格式，以YOLO格式進(jìn)行存儲(chǔ)，存儲(chǔ)信息包括類別代號、標(biāo)注框橫向的相對中心坐標(biāo)x _center、標(biāo)注框縱向的相對中心坐標(biāo)y_center、標(biāo)注框相對寬度w、標(biāo)注框相對高度h[21]。

3.3 數(shù)據(jù)增強(qiáng)

為擴(kuò)大自建數(shù)據(jù)的數(shù)量，采用Mosaic操作進(jìn)行數(shù)據(jù)增強(qiáng)。首先隨機(jī)選擇圖像，分別進(jìn)行翻轉(zhuǎn)、縮放和色域變化等數(shù)據(jù)增廣操作，并粘貼至與最終輸出圖像大小相等掩模的對應(yīng)位置，其次截取包含牛臉部的區(qū)域，最后將4幅圖像拼接成1幅新的圖片。該操作不僅增加了數(shù)據(jù)的多樣性，還豐富了圖片的背景，增強(qiáng)了網(wǎng)絡(luò)的魯棒性，Mosaic處理的訓(xùn)練圖如圖4所示。

4 實(shí)驗(yàn)與結(jié)果分析（Experiment and resultanalysis）

4.1 實(shí)驗(yàn)樣本設(shè)置

同一群體的形態(tài)相近的甘肅省張掖市某養(yǎng)殖場的30頭牛進(jìn)行數(shù)據(jù)集制作，得到有效數(shù)據(jù)6 775幅，包含牛在不同時(shí)間、不同地點(diǎn)的活動(dòng)情況，采用人工方式進(jìn)行牛個(gè)體圖像定位與標(biāo)簽設(shè)定，部分標(biāo)簽設(shè)定如0（Cow1）、1（Cow2）和2（Cow3）等30頭牛。

4.2 實(shí)驗(yàn)評價(jià)指標(biāo)

不同于其他的目標(biāo)檢測任務(wù)，本文對于牛個(gè)體的個(gè)體識(shí)別檢測僅通過準(zhǔn)確度作為評估指標(biāo)是不夠的，還應(yīng)該考慮模型的檢測速度。因此，本文選取了精確率（Precision，P）、召回率（Recall，R）、平均精度均值（Mean Average Precision，mAP）、參數(shù)量（Parameter）和模型計(jì)算力（Flops）5個(gè)評價(jià)指標(biāo)對網(wǎng)絡(luò)模型進(jìn)行評價(jià)。P 用來評價(jià)模型對牛個(gè)體圖像的檢測準(zhǔn)確程度，R 用來評價(jià)模型檢測的全面性[22];計(jì)算公式分別如公式（4）、公式（5）所示：

4.3 實(shí)驗(yàn)參數(shù)設(shè)置

本文針對牛個(gè)體圖像的識(shí)別使用的是優(yōu)化的YOLOv5算法，為驗(yàn)證算法的有效性，在所有超參數(shù)、模型訓(xùn)練環(huán)境相關(guān)參數(shù)均保持一致的情況下，對YOLOv5算法與其在改良后的效果進(jìn)行對比。使用的GPU 為NVIDIA GeForce RTX 3050Laptop GPU，CUDA版本11.2，Pytorch版本1.7.1，Python版本3.7，Windows版本W(wǎng)indows 11家庭中文版。實(shí)驗(yàn)中的參數(shù)設(shè)置如表2所示。

4.4 對比實(shí)驗(yàn)

為了驗(yàn)證LY-Net模型的可靠性，將LY-Net與YOLOv5模型的訓(xùn)練結(jié)果進(jìn)行對比，表3描述了不同網(wǎng)絡(luò)模型占用內(nèi)存大小和針對本數(shù)據(jù)集的平均識(shí)別精確率。由表3 可知，YOLOv5的識(shí)別精確率約為99.5%。相比YOLOv5，本文模型的識(shí)別精確率約為99.6%，因此在牛個(gè)體圖像識(shí)別率方面，本文模型有一定的優(yōu)勢。在模型參數(shù)方面，YOLOv5參數(shù)量較大，為7.2 MB。本文模型經(jīng)過訓(xùn)練后的參數(shù)量僅為3.8 MB，因此在模型參數(shù)量方面，本文模型也有一定優(yōu)勢。

表3還給出了本文模型與YOLOv5模型的模型計(jì)算力的對比結(jié)果。從結(jié)果來看，本文模型的模型計(jì)算力為8.9 B，遠(yuǎn)遠(yuǎn)小于YOLOv5的模型計(jì)算力，本文模型在參數(shù)量、模型計(jì)算力、精確率方面均占有一定的優(yōu)勢。

如圖5所示，模型訓(xùn)練到50次以后開始慢慢收斂，其中box_loss、obj_loss、cls_loss 已經(jīng)降到了較低的水平。其中，box_loss 是bounding box（邊界框）的定位損失，也就是模型預(yù)測框與真實(shí)框的差值，差值越小，說明模型預(yù)測框越準(zhǔn);obj_loss 為置信度損失，損失越小，說明目標(biāo)檢測準(zhǔn)確度越高;cls_loss 為分類損失，數(shù)值越小，說明分類準(zhǔn)確度越高?？偟膿p失函數(shù)就是計(jì)算三者之和，所以損失函數(shù)的變化就是box_loss、obj_loss 和cls_loss 的變化。算法的整體損失值隨訓(xùn)練輪次迭代減少，其中檢測框回歸損失使用的是Focal-EIoULoss，直接最小化了目標(biāo)盒和錨定盒的寬度和高度之差，這使得更快的收斂速度和更好的定位結(jié)果。

4.5 消融實(shí)驗(yàn)

為了驗(yàn)證經(jīng)過改進(jìn)模型相對于原始模型的有效性，利用驗(yàn)證集數(shù)據(jù)，對經(jīng)過訓(xùn)練后獲得的YOLOv5數(shù)據(jù)，加入GhostNet的數(shù)據(jù)和CARAFE上采樣算子的數(shù)據(jù)，與經(jīng)過最終改進(jìn)后的LY-Net模型數(shù)據(jù)進(jìn)行對比驗(yàn)證，由圖6可以看出，最終改進(jìn)后的模型在識(shí)別精確度上高于原模型和其他改進(jìn)的模型，并且更加穩(wěn)定，更早收斂，由此可以得出本文所提改進(jìn)后的模型是成功的、有效的。

4.6 模型識(shí)別結(jié)果

使用訓(xùn)練好的LY-Net模型對測試集數(shù)據(jù)進(jìn)行預(yù)測，精確率約為99.6%，召回率約為99.5%，該模型可有效識(shí)別出圖像中牛個(gè)體的圖像信息。本文模型的輸出為30頭牛個(gè)體，識(shí)別結(jié)果如表4所示。

由圖7可以看出，本文所提出的LY-Net模型在迭代次數(shù)小于20輪時(shí)，模型的精確率、召回率不太理想。但是，隨著迭代輪數(shù)的不斷提升，模型的精確率不斷提升且趨于穩(wěn)定，從而使牛個(gè)體的檢測效果提升。對YOLOv5進(jìn)行了更換主干網(wǎng)絡(luò)、替換損失函數(shù)等優(yōu)化操作，令針對牛個(gè)體圖像目標(biāo)的檢測效果得到提升，在100輪次的訓(xùn)練下，算法優(yōu)化后的精確率（P）約為99.6%，召回率（R ）約為99.5%，mAP @0.5為99.5%，能較為準(zhǔn)確地識(shí)別牛個(gè)體圖像。

5 結(jié)論（Conclusion）

本文針對傳統(tǒng)牛個(gè)體目標(biāo)檢測模型存在資源占用較大、模型體積大、參數(shù)多、受限硬件條件網(wǎng)絡(luò)收斂速度慢的問題，以YOLOv5網(wǎng)絡(luò)為基礎(chǔ)模型，設(shè)計(jì)了一個(gè)輕量級牛個(gè)體識(shí)別模型（Light YOLO Net，LY-Net），并自建數(shù)據(jù)集進(jìn)行驗(yàn)證，模型訓(xùn)練結(jié)果表明，在一定范圍內(nèi)，模型的迭代次數(shù)越多，模型的識(shí)別精確率越高，但是超過一定范圍，模型的識(shí)別精確率不再增長，本文模型在運(yùn)行速率、模型大小及識(shí)別時(shí)間方面均優(yōu)于YOLOv5模型。目前，研究仍處于模型優(yōu)化階段，但為未來牧民與養(yǎng)殖戶能夠利用手機(jī)、平板電腦等移動(dòng)設(shè)備進(jìn)行牛個(gè)體身份識(shí)別的研究奠定了基礎(chǔ)。

作者簡介：

劉琪偉（1998-），男，碩士生。研究領(lǐng)域：圖像識(shí)別，目標(biāo)檢測。

郭小燕（1976-），女，博士，教授。研究領(lǐng)域：智能信息處理，智能優(yōu)化算法。本文通信作者。

李純斌（1972-），男，博士，副教授。研究領(lǐng)域：資源利用與環(huán)境變化。

楊道涵（1995-），男，碩士生。研究領(lǐng)域：資源利用與環(huán)境變化。