基于深度学习的宁喀什米尔山羊行为识别和在线监测系统的研究
Geng Chen1, Zhiyu Yuan1, Xinhui Luo1
1Animal Husbandry and Veterinary Research Institute, Jilin Academy of Agricultural Sciences, Shengtai Street, Changchun 130033, China.
Animals : an open access journal from MDPI
|November 27, 2024
概括
一个新的深度学习系统准确地检测到宁克什米尔山羊的行为,改善健康监测和福利. 这种智能系统通过自动化行为识别来提高密集山羊养殖的效率.
科学领域:
- 动物科学动物科学
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 宁克什米尔山羊是中国重要的国家遗传资源,目前正在开发密集型养殖模式.
- 有效的行为识别对于改善健康监测,福利和降低大规模山羊养殖中劳动力成本至关重要.
- 传统的行为检测方法对山羊来说是低效和压力的.
研究的目的:
- 开发一种基于深度学习的系统,用于在线行为识别和检测宁喀什米尔山羊.
- 为了比较Faster R-CNN和YOLO算法用于山羊行为识别的性能.
- 优化深度学习模型以实现准确和实时检测.
主要方法:
- 比较较快的R-CNN和YOLOv8n用于行为识别,YOLOv8n作为基线.
- 通过数据集扩展,算法轻量化,注意力机制和损失函数优化改进了YOLOv8n.
- 使用改进的模型开发了宁克什米尔山羊在线行为检测系统.
主要成果:
- YOLOv8n实现了95.31%的平均精度,在50个时代内趋同.
- 改进的YOLOv8n模型达到98.11%的检测准确度,超过了其他最先进的算法.
- 开发的系统展示了实时检测与低错误率,有效地取代手工劳动.
结论:
- 基于深度学习的系统为智能管理宁克什米尔山羊提供了有效的解决方案.
- 优化的YOLOv8n模型和开发的系统显著提高了在线行为检测的效率和准确性.
- 这项技术提供了一种有前途的方法,可以在密集农业环境中提高山羊的福利和生产力.
