基于深度学习的乳牛日常行为自动识别的研究
Rongchuan Yu1, Xiaoli Wei2, Yan Liu1
1College of Computer and Control Engineering, Northeast Forestry University, Harbin 150040, China.
Animals : an open access journal from MDPI
|February 10, 2024
概括
一个新的Res-DenseYOLO模型使用视频监控准确地检测奶牛的行为,如食和饮酒. 这一进步通过精确的数据收集,改善了动物福利和群体管理.
科学领域:
- 计算机视觉 计算机视觉
- 动物科学动物科学
- 机器学习 机器学习
背景情况:
- 奶牛的行为提供了重要的健康和福利见解.
- 精确监测诸如食,饮酒和撒谎之类的行为对于群体管理至关重要.
研究的目的:
- 开发一种先进的模型,用于准确检测牛环境中个别奶牛的行为.
- 为了提高功能提取和检测准确性,用于实时视频监控.
主要方法:
- 提出了Res-DenseYOLO模型,将密集模块集成到YOLOv5中,以改善特征提取.
- 整合了CoordAtt注意力机制和SioU损失功能,以促进特征学习和融合.
- 设计了多尺度检测头,以提高小目标的检测.
主要成果:
- 与Fast-RCNN,SSD,YOLOv4和YOLOv7.7相比,Res-DenseYOLO实现了更高的性能.
- 实现了94.7%的精度,91.2%的回忆和96.3%的mAP,优于YOLOv5.5.
- 与基线YOLOv5模型相比,显示出显著的改进.
结论:
- Res-DenseYOLO提供了一种强大的解决方案,可以通过视频实时检测奶牛的行为.
- 提供宝贵的行为数据,对动物福利和生产管理至关重要.
- 突出了深度学习在精准畜牧业中的潜力.


