近日,机械与电子工程学院田富洋副教授团队在期刊《Computers and Electronics in Agriculture》在线发表了题为“An efficient multi-task convolutional neural network for dairy farm object detection and segmentation”的研究论文。田富洋副教授为该论文的第一作者,王中华教授和于镇伟副教授为该论文的通讯作者。自走式牛场推料机器人具有推料及时、劳动强度低、节约饲料等优点,是实现智能化、数字化养殖的关键装备。自走式推料机器人将广泛的应用于奶牛养殖中。作业时,自走式推料机器人需要在复杂多变的牛场环境中检测出不同类型和尺寸的目标,如奶牛、人员、车辆、栅栏等。根据检测的不同目标采取相应行动,如避让、停止、警告等。这些作业任务对检测算法的精度和速度都有较高的要求,而现有的目标检测算法难以同时满足这些要求。图1. 多任务牛舍目标识别与分割模型结构图因此,本研究提出了一种基于多任务学习的牛场多类型目标识别与分割模型Ghost CBAM Segmentation-Multi-t