原创力文档- 1、本文档共11页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
2024年7月第6卷第4期智慧农业（中英文）SmartAgricultureJul.2024Vol.6,No.4
CSD-YOLOv8s：基于无人机图像的密集小目标羊只检测模型
1，21，21，2*
翁智，刘海鑫，郑志强
（1.内蒙古大学电子信息工程学院，内蒙古呼和浩特010021，中国；2.内蒙古大学草原家畜生殖调控与繁育国家重
点实验室，内蒙古呼和浩特010030，中国）
摘要：［［目的目的/意义意义］］天然牧场下放牧牲畜数量的准确检测是规模化养殖场改造升级的关键。为满足规模化养殖
场对大批羊群实现精准实时的检测需求，提出一种高精度、易部署的小目标检测模型CSD-YOLOv8s（CBAMSP⁃
PFCSPCDSConv-YOLOv8s），实现无人机高空视角下小目标羊只个体的实时检测。［［方法方法］］首先，使用无人机获取
天然草原牧场中包含不同背景及光照条件下的羊群视频数据并与下载的部分公开数据集共同构成原始图像数据。
通过数据清洗和标注整理生成羊群检测数据集。其次，为解决羊群密集和相互遮挡造成的羊只检测困难问题，基
于YOLO（YouOnlyLookOnce）v8模型构建具有跨阶段局部连接的SPPFCSPC（SpatialPyramidPoolingFast-CSPC）
模块，提升网络特征提取和特征融合能力，增强模型对小目标羊只的检测性能。在模型的Neck部分引入了卷积注
意力模块（ConvolutionalBlockAttentionModule,CBAM），从通道和空间两个维度增强网络的抗干扰能力，提升网
络对复杂背景的抑制能力，进一步提高对密集羊群的检测性能。最后，为提升模型的实时性和可部署性，将Neck
网络的标准卷积改为具有可变化内核的轻量卷积C2f_DS（C2f-DSConv）模块，减小了模型的参数量并提升了模型
的检测速度。［［结果和讨论结果和讨论］］与YOLO、FasterR-CNN（FasterRegionswithConvolutionalNeuralNetworks）及其他经
典网络模型相比，改进后的CSD-YOLOv8s模型在检测速度和模型大小相当的情况下，在羊群检测任务中具有更高
的检测精度。Precision达到95.2%，mAP达到93.1%，FPS（FramesPerSecond）达到87f/s，并对不同遮挡程度的
羊只目标具有较强的鲁棒性，有效解决了无人机检测任务中因羊只目标小、背景噪声大、密集程度高导致羊群漏
检和误检严重的问题。公开数据集验证结果表明，提出的模型对其他不同物体的检测精度均有所提高，特别是在
羊只检测方面，检测精度提升了9.7%。［［结论结论］］提出的CSD-YOLOv8s在无人机图像中更精准地检测草原放牧牲
畜，对不同程度的聚集和遮挡目标实现精准检测，且具有较好的实时性，为养殖场大规模畜禽检测提供了技术支
撑，具有广泛的应用潜力。
关键词：羊只检测；YOLOv8；小目标；SPPFCSPC；注意力机制；深度可分离卷积
中图分类号：TP391.41；S826文献标志码：A文章编号：SA202401004
引用格式：翁智,刘海鑫,郑志强.CSD-YOLOv8s:基于无人机图像的密集小目标羊只检测模型[J].智慧农业(中英
文),2024,6(4):42-52.DOI：10.12133/j.smartag.SA202401004
WENGZhi,LIUHaixin,ZHENGZhiqiang.CSD-YOLOv8s:DenseSheepSmallTargetDetectionModelBasedonUAV
Images[J].SmartAgriculture,2024,6(4):42-52.DOI
文档评论（0）