近日，美高梅MGM33999信息与计算科学2020级本科生蒋凯林在应用数学系王建军老师的指导下，以物理第一作者身份在SCI收录期刊《Agriculture》（JCR Q1期刊，中科院大类二区，IF=3.408）发表题为《An Attention Mechanism-Improved YOLOv7 Object Detection Algorithm for Hemp Duck Count Estimation》的研究论文（DOI: 10.3390/agriculture12101659）。

随着人类社会经济的不断发展，全球消费水平不断提升。人们在对于禽肉、禽蛋等家禽相关产品的需求量日益增加，畜禽养殖行业迎来广阔的发展空间。此大规模的畜禽产品需求导致养殖业规模的不断扩大，但在饲料粮供应紧张，养殖所需的土资源，水资源紧缺的背景下，养殖业需要持续提高生产的质量和效率。

大数据时代的到来，使得计算机图形卡快速发展，计算机的运算能力不断提高，加速了人工智能的发展。与人工智能相关的研究越来越多，计算机视觉在动物检测中的到越来越广泛的应用。传统目标检测模型存在精度低、速度慢等缺点，且在多目标检测方面性能不足，无法支撑畜牧业密集饲养监测需求，本文提出了一种单阶段目标检测算法CBAM-YOLOv7，并配合自主构建的“Hemp Duck Dataset”数据集进行实验，实现了包括麻鸭识别、麻鸭目标检测、麻鸭图像计数的创新改进，通过引入CBAM改进YOLOv7架构，使得目标检测精度在fps=106.49的情况下达到了96.84%，推进了麻鸭的智能化养殖技术的发展。

提出的CBAM-YOLOv7网络预测结果图

同时本研究也对比了现有的其他模型，都显示出本研究提出的模型具有更高的精度和速度，展现出了高竞争力，能够真正应用于麻鸭实际养殖生产工作。

本研究得到学校、学院创新创业训练项目支持。