牛的多目标养行为识别方法基于改进的RefineMask
Xuwen Li1,2, Ronghua Gao1,2, Qifeng Li1,2
1College of Computer and Information Engineering, Tianjin Agricultural University, Tianjin 300384, China.
Sensors (Basel, Switzerland)
|May 25, 2024
概括
这项研究引入了一种改进的RefineMask模型,用于准确识别奶牛的养行为. 改进后的模型达到98.3%的准确性,为畜牧管理提供了强大的视觉分析.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 动物行为 动物行为
背景情况:
- 目前的乳牛养殖依赖于视觉方法来识别行为,通常受到低准确度和高错误率的限制.
- 精确监测奶牛的养行为对于了解料摄入量和优化群体管理至关重要.
研究的目的:
- 使用改进的实例分割模型开发乳牛养行为先进的视觉识别方法.
- 提高在大型繁殖业务中检测和细分牛养活动的准确性和稳定性.
主要方法:
- 开发了一种改进的RefineMask实例细分模型,结合了卷积块注意力和高效通道注意力模块.
- 该模型利用GIoU损失来提高界限框回归准确度,并为搜索行为识别提供掩盖信息.
- 为了培训和测试,创建了一个由50只奶牛在养高峰时间拍摄的1000张图像的数据集.
主要成果:
- 改进的RefineMask算法在界限框识别和细分面具确定中实现了98.3%的准确性.
- 这种准确性比基准模型高0.7个百分点,模型尺寸为49.96M,适合当地部署.
- 该方法在各种场景和照明条件中表现出稳健性.
结论:
- 提出的基于RefineMask的方法显著提高了奶牛养行为识别的准确性和可靠性.
- 这项技术为分析牛养行为与料摄入量之间的关系提供了宝贵的技术支持.
- 这些发现有助于更高效和数据驱动的乳牛养殖和管理实践.
