基于改进的关键点检测模型监测牛的反行为
Jinxing Li1,2,3,4, Yanhong Liu1,2,3,4, Wenxin Zheng5
1College of Computer and Information Engineering, Xinjiang Agricultural University, Urumqi 830052, China.
Animals : an open access journal from MDPI
|June 27, 2024
概括
这项研究引入了一种非接触式方法,使用改进的YOLOv8-pose关键点检测来准确监测牛的反行为. 该系统有效地计算实例,有助于精确的畜牧管理和动物健康.
科学领域:
- 动物科学动物科学
- 计算机视觉 计算机视觉
- 农业技术 农业技术
背景情况:
- 牛的反是一种关键的健康指标.
- 当前的监测方法 (手动观察,可穿戴设备) 有诸如劳动强度和动物伤害等限制.
- 需要一种非接触式的自动化解决方案来有效地监测牛的健康状况.
研究的目的:
- 开发和验证一种非接触式方法来监测牛的反行为.
- 使用计算机视觉自动识别计数,持续时间和频率.
- 为畜牧业准确管理提供技术框架.
主要方法:
- 使用了改进的YOLOv8姿势关键点检测算法来估计牛的姿势.
- 从关键点数据构建了反运动曲线.
- 应用多条件值峰值检测来计算实例.
- 开发了一个全面的框架来分析反指标.
主要成果:
- 经过修改的YOLOv8姿势实现了96%的mAP,精度提高了 (4.5%) 和回忆 (4.2%).
- 与实际数据相比,该系统的平均数误差为5.6%,标准误差为2.23%.
- 该方法准确地捕获了关键信息,并分析了反行为.
结论:
- 拟议的非接触关键点检测方法对于分析牛的反是可行的和有效的.
- 这项技术可以更快地检测反异常,支持明智的管理决策.
- 该框架为精密畜牧管理和现代农业实践提供技术支持.
