基于深度学习的生物资产检测模型YOLOSC

作     者：关昆仑 朱思文 张仰森 成琪昊 张学凯 GUAN Kun-lun;ZHU Si-wen;ZHANG Yang-sen;CHENG Qi-hao;ZHANG Xue-kai

作者机构：北京信息科技大学智能信息处理研究所北京100192 

出 版 物：《科学技术与工程》 (Science Technology and Engineering)

年 卷 期：2025年第25卷第2期

页      面：674-682页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：北京市社会科学基金重点项目(21GLA007) 

主　　题：目标检测模型 YOLOv5 注意力机制 损失函数 生物资产审计 

摘      要：为提高生物资产监盘审计过程中盘点准确性和盘点效率,提出了一种融入注意力机制和损失函数优化的生物资产检测模型YOLOSC。首先,将压缩-激励网络(squeeze-and-excitation networks,SENet)注意力机制引入YOLOv5s模型的主干网络中,以增强对生物资产图片中关键特征的提取能力;其次,采用完全交并比(complete intersection over union,CIoU)作为检测框回归的损失函数,以提升训练过程中检测框的回归速度与定位精度;最后,构建了一个生物资产数据集对所提模型进行针对性训练,以提升模型检测效果。实验结果表明,相较于YOLOv5模型,YOLOSC的精确率、召回率、F_(1)和AP分别提升了2.3%、2.1%、2.7%和1.6%,证明了所提出的生物资产检测模型YOLOSC的有效性。