相关实验视频
Updated: Jun 25, 2025
06:30
Noninvasive, In-pen Approach Test for Laboratory-housed Pigs
Published on: June 5, 2019
8.4K
一种长期视频追踪方法,用于集体养的猪
Qiumei Yang1,2, Xiangyang Hui1,2, Yigui Huang1,2
1College of Mathematics and Informatics, South China Agricultural University, Guangzhou 510642, China.
Animals : an open access journal from MDPI
|May 25, 2024
概括
这项研究引入了对猪的改进追踪算法,提高了农场环境中的准确性和稳定性. 这种新方法可以持续24小时对猪进行监测,从而支持更好的农场管理.
科学领域:
- 计算机视觉 计算机视觉
- 动物科学动物科学
- 农业技术 农业技术
背景情况:
- 准确的猪追踪对于养殖场管理至关重要,但由于堵塞和动作模糊而具有挑战性.
- 现有的多猪追踪方法在现实世界养殖条件下的长期,持续监测方面存在困难.
研究的目的:
- 开发一种强大的,长期的视频追踪方法,用于集体养的猪.
- 提高生产环境中猪追踪的效率和准确性.
- 为非接触式,自动猪监测提供技术支持.
主要方法:
- 提出了一个改进的StrongSORT算法,用于增强猪跟踪.
- 开发了一种轻量级的猪检测网络 (YOLO v7-tiny_Pig) 来实现更快的检测.
- 优化了轨迹管理,以减少身份交换机和提高跟踪稳定性.
- 构建了一个24小时的猪追踪视频数据集.
主要成果:
- YOLO v7-tiny_Pig将参数减少了36.7%,并实现了435 FPS的检测速度.
- 追踪算法获得了很高的分数:83.16%的HOTA,97.6%的MOTP和91.42%的IDF1.
- 与原来的StrongSORT相比,HOTA提高了6.19%,IDF1提高了10.89%,IDSW减少了69%.
结论:
- 拟议的方法在实际养殖场景中显著提高了猪追踪性能.
- 该算法可连续,稳定地跟踪猪长达24小时.
- 这种非接触式监测方法为现代养猪业提供了宝贵的技术支持.
