基于时空空间的攻击性行为在群羊群的识别
Yalei Xu1,2,3,4, Jing Nie1,2,3, Honglei Cen1,2,3
1College of Mechanical and Electrical Engineering, Shihezi University, Shihezi 832003, China.
Animals : an open access journal from MDPI
|August 26, 2023
概括
这项研究引入了一种自动化的视频流模式,用于检测绵羊的攻击性,比手工方法提高效率和客观性. 该模型实现了高精度和回忆,通过减轻阻塞问题,优于基于图像的方法.
科学领域:
- 农业技术 农业技术
- 动物行为 动物行为
- 计算机视觉 计算机视觉
背景情况:
- 手动观察群羊的攻击性是低效和主观的.
- 需要自动检测系统来改善牲畜管理和福利.
- 现有的基于图像的模型在阻塞问题上扎,导致错误检测.
研究的目的:
- 开发和评估基于视频流的模型,用于自动检测群体绵羊的攻击行为.
- 提高绵羊攻击性监测的效率和客观性.
- 为了解决基于图像的检测模型在处理特征封闭方面的局限性.
主要方法:
- 收集并标记羊的视频数据,包括日常活动和攻击性事件.
- 利用YOLOv5用于在视频中检测羊和提取坐标.
- 实施了一种新的绵羊追踪启发式来排序坐标数据.
- 采用长期短期记忆 (LSTM) 框架进行侵略预测.
- 优化了模型参数,包括信心,批量大小和框架跳转.
主要成果:
- 拟议的视频流模式实现了93.38%的精度和91.86%的回忆.
- 该模型有效地处理特征封闭,这是基于图像的检测中常见的问题.
- 与传统的基于图像的绵羊攻击检测方法相比,表现出更高的性能.
结论:
- 基于视频流的模型提供了一个更有效和客观的解决方案,用于检测群体绵羊的攻击性.
- 这种方法克服了基于图像的系统中因阻塞引起的错误检测问题.
- 开发的模型具有显著的潜力,可以通过自动化监控来改善绵羊福利和农场管理.
