换一批基于YOLO V7及TSM模型的橘小实蝇梳理行为检测与识别
Detection and recognition of grooming behaviors of Bactrocera dorsalis(Diptera:Trypetidae)based on YOLO V7 and TSM model
摘要[目的]昆虫梳理行为的统计分析和研究对害虫控制和人类健康非常重要,针对传统的人工记录梳理行为的方法费时费力且易出错,提出了一种基于计算机视觉和深度学习的橘小实蝇Bactrocera dorsalis梳理行为检测和识别方法.[方法]首先将橘小实蝇视频数据进行图像处理得到帧图像,筛选其中3 000张图像作为训练数据集;建立YOLO V7目标检测算法来检测视频数据中的橘小实蝇目标个体,框选中目标后通过视频处理算法进行裁剪;最后通过迁移学习方法将预训练权重迁移到训练模型中,利用基于非局部注意力改进的时间转换模块(temporal shift module,TSM)深度学习模型识别橘小实蝇的7种梳理行为(前足梳理、头部梳理、前中足梳理、中后足梳理、后足梳理、翅梳理以及静止).[结果]橘小实蝇原始视频数据集通过YOLO V7目标检测算法训练的准确率为99.2％,召回率为99.1％.本研究算法处理后的视频数据集通过基于非局部注意力模块改进的TSM模型识别和统计梳理行为,最终平均准确率达到了 97％以上,标准偏差低于3％.与其他4种深度学习模型(I3D,R2+1D,SlowFast和Timesformer)对比,本研究方法的准确率最高提升了 9.76％,保证了橘小实蝇梳理行为检测和识别的准确率和正确性.[结论]本研究提出的方法大大减少了人工观察的时间,同时保证了橘小实蝇梳理行为识别的准确性,为研究昆虫行为提供了新的思路和方法,为智慧农业的现代化发展添砖加瓦.
更多相关知识
关键词
橘小实蝇梳理行为目标检测行为识别深度学习TSM模型Bactrocera dorsalisgrooming behaviorobject detectionbehavior recognitiondeep learningTSM model
栏目名称
DOI
10.16380/j.kcxb.2023.06.007
发布时间
2023-08-21（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（62276032）
- 浏览34
- 被引4
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
