摘要：針對(duì)農(nóng)場(chǎng)環(huán)境下使用手工標(biāo)記與肉眼識(shí)別方法識(shí)別奶牛時(shí)計(jì)數(shù)效率低、錯(cuò)誤率高,而使用無(wú)線射頻檢測(cè)技術(shù)比較復(fù)雜且成本高的問(wèn)題,使用檢測(cè)速度較快且性能較好的YOLOv3算法對(duì)農(nóng)場(chǎng)環(huán)境下的奶牛進(jìn)行目標(biāo)識(shí)別。該方法采用了3個(gè)不同尺度的特征圖來(lái)進(jìn)行對(duì)象檢測(cè),能夠檢測(cè)到更加細(xì)粒度的特征;使用Darknet-53網(wǎng)絡(luò)加入殘差模塊,有利于解決深層次網(wǎng)絡(luò)的梯度問(wèn)題,從而增加奶牛目標(biāo)識(shí)別模型的識(shí)別效果;采用K-means聚類得到先驗(yàn)框的尺寸,預(yù)測(cè)對(duì)象類別時(shí)使用logistic的輸出進(jìn)行預(yù)測(cè),可以支持多標(biāo)簽對(duì)象。從檢測(cè)結(jié)果來(lái)看,該方法在農(nóng)場(chǎng)環(huán)境背景下的奶牛目標(biāo)識(shí)別效果較好,檢測(cè)準(zhǔn)確率較高。