在基于边缘计算的基础上,对集体养猪的姿势识别和跟踪的研究

科学领域:

• 计算机视觉 计算机视觉
• 农业技术 农业技术
• 机器学习 机器学习

背景情况:

• 现有的猪识别和跟踪算法是计算密集的,限制了它们在农场嵌入式边缘系统中的使用.
• 需要高效的算法,适合实时监测农场集体养猪的猪.

研究的目的:

• 开发一种轻量级的,多目标的算法,用于识别和跟踪集体养的猪.
• 为优化算法在嵌入式边缘计算节点上部署.

主要方法:

• 改进了YOLOv5s,具有扩展卷积和协调注意力机制用于识别.
• 修剪BN层以减少计算负载.
• 与DeepSort集成,用于在Jetson AGX Xavier节点上进行跟踪和部署.

主要成果:

• 实现了96.6%的识别精度和>90%的跟踪统计精度.
• 实时性能,追踪时间为46毫秒,FPS为21.7.
• 与原来的YOLOv5s.相比,模型尺寸减少了65.3%.

结论:

• 开发的轻量级算法满足了在嵌入式边缘设备上稳定实时监控群体猪的要求.
• 优化的YOLOv5s和DeepSort组合为猪养殖中精准农业提供了一个实用的解决方案.