动态蛇形卷积与注意力机制增强牛肉牛行为识别

科学领域:

• 农业工程 农业工程
• 计算机视觉 计算机视觉
• 动物科学动物科学

背景情况:

• 肉牛的行为识别对于智能农业至关重要,但面临着准确性挑战.
• 传统的方法在复杂的行为识别和低精度方面扎.

研究的目的:

• 开发和评估YOLOv8n_BiF_DSC算法,用于非侵入性肉牛行为识别.
• 增强特征提取和上下文依赖性捕获,以提高准确性.

主要方法:

• 收集了45只肉牛的视频数据,使用固定和移动摄像头展示了9种行为.
• 增强数据创建了一个由34,560个样本组成的数据集.
• 改进了YOLOv8n,具有动态的蛇形卷积和BiFormer注意力机制.

主要成果:

• YOLOv8n_BiF_DSC实现了93.6%的准确性,超过了原始YOLOv8n的5%以上.
• 在IU 50时达到96.5%的平均精度,在IU 50:95.5时达到71.5%.
• 在识别特定行为 (如躺下) 方面表现出很高的准确性 (98.9%).

结论:

• YOLOv8n_BiF_DSC算法提供了卓越的特征提取和数据融合功能.
• 它显示出高强度和适应性,用于智能肉牛牛管理.
• 为先进的畜牧监测系统提供了坚实的基础.