基于双通道架构的X3DFast模型对乳牛行为进行分类

科学领域:

• * 动物科学 动物科学
• * 计算机视觉 计算机视觉
• * 机器学习 * 机器学习

背景情况:

• * 奶牛的行为是健康和福利的关键指标,但手动观察是劳动密集型和容易出错的.
• *自动行为识别对于疾病诊断,经济效益和减少现代畜牧业动物淘汰率至关重要.
• *传统的深度学习模型在复杂的农业环境中与多尺度特征和类似的行为 (例如,站立与行走) 斗争.

研究的目的:

• * 开发一个快速,准确和轻量级的模型,用于自动识别奶牛的行为.
• * 解决现有方法在处理复杂背景和微妙的行为差异方面的局限性.
• *通过先进的行为分析,提高奶牛养殖的智能和效率.

主要方法:

• * 开发一种新的双通道X3DFast模型,使用X3D和R(2+1) D卷积集成空间和时间特征.
• *在复杂的农场环境中记录的四种常见奶牛行为 (站立,行走,躺下,安装) 的视频数据上训练模型.
• *利用路径和动作模型之间的横向连接来增强特征提取和空间建模.

主要成果:

• *X3DFast模型在识别四个目标行为方面实现了98.49%的top-1准确度.
• * 与类似方法相比,表现出优异的性能,特别是在区分视觉上类似的行为方面.
• * 展示了改进的推断速度,使其适合实时应用.

结论:

• * 拟议的X3DFast模型为复杂环境中自动识别奶牛行为提供了有效和高效的解决方案.
• * 这项技术为疾病诊断,福利监测和优化奶牛场管理提供了宝贵的技术支持.
• * 该模型能够准确识别微妙的行为差异的能力提高了其在畜牧业的实际应用.