研究牛行为识别和基于YOLO-BoT的多对象跟踪算法
Lei Tong1,2,3, Jiandong Fang1,2,3, Xiuling Wang1,2,3
1College of Information Engineering, Inner Mongolia University of Technology, Hohhot 010080, China.
Animals : an open access journal from MDPI
|October 26, 2024
概括
这项研究介绍了YOLO-BoT,这是一种用于智能牧场的新型牛追踪系统. 它显著提高了检测和跟踪准确性,即使有遮蔽,支持自动化动物福利监测.
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:
- 牛行为识别和跟踪对于智能牧场的动物福利至关重要.
- 谷仓中的堵塞和障碍往往导致检测错误.
研究的目的:
- 开发一种先进的多对象追踪方法,YOLO-BoT,以克服牛群监测中的检测挑战.
- 提高牛追踪的准确性和稳定性,以改善动物福利评估.
主要方法:
- 在YOLOv8.8中,YOLO-BoT集成了动态卷积 (DyConv),C2f-iRMB结构,Adown下方采样,以及一个动态头 (DyHead).
- 它使用DIoU距离,基于信任的重新分类和虚拟轨迹更新来改进跟踪.
- 该方法解决了牛间的封闭和基础设施障碍.
主要成果:
- 在牛检测中,YOLO-BoT实现了91.7%的平均精度 (mAP).
- 追踪准确度指标 (HOTA,MOTA,MOTP,IDF1) 显示显著改善,身份转换率降低了30.9%.
- 该系统以31.2fps的实时运行.
结论:
- 在复杂的牧场环境中,YOLO-BoT提供了增强的多对象跟踪性能.
- 这项技术支持长期牛行为分析和非接触式自动监测.
- 该方法通过精确的跟踪提供了一个强大的解决方案来评估动物福利.
