基于深度學習的家畜虛擬電子圍欄設(shè)計

打開文本圖片集

摘 要： 針對牧場中家畜越界及傳統(tǒng)電子圍欄難以防止家畜越界的問題，基于改進后的YOLOv5 算法，設(shè)計了虛擬電子圍欄。采用YOLOv5s 算法作為基礎(chǔ)，并進行了遷移學習和添加ECA 注意力模塊。利用PyTorch 框架進行訓練，并對模型進行了評估，相比原版YOLOv5s，改進YOLOv5s 算法對黃牛的檢測精確率、召回率、平均精度均值分別提升0.2、1.3、0.7 個百分點，單幀推理總耗時下降0.5 ms。（剩余8901字）