使用YOLO和实时混合高效层聚合网络进行增强的猪行为检测
Ji-Hyeon Lee1, Yo Han Choi2, Han-Sung Lee1
1Interdisciplinary Graduate Program for BIT Medical Convergence, Kangwon National University, Chuncheon 24341, Republic of Korea.
Animals : an open access journal from MDPI
|December 17, 2024
概括
这项研究介绍了混合ELAN,这是一种用于实时检测牲畜行为的人工智能系统. 它改善了母猪和小猪的监测,提高了动物福利和智能农业效率.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 由于农业劳动力老龄化和大规模农业,有效的畜牧管理至关重要.
- 为了监测牲畜行为,手动观察方法变得不足.
- 现代农业需要自动化解决方案来实时监控.
研究的目的:
- 开发一个创新的系统,实时检测母猪和小猪的行为.
- 在动物行为分析中增强特征学习能力.
- 提高畜牧监测系统的效率和可靠性.
主要方法:
- 开发了一个混合ELAN系统,用MixConv取代标准卷积,以各种内核大小.
- 将增强的架构应用于YOLOv7和YOLOv9对象检测模型.
- 通过k倍交叉验证 (k=3) 来评估可靠性的性能.
主要成果:
- 混合ELAN架构使YOLOv7和YOLOv9的性能分别提高了1.5%和2%.
- 获得的平均平均精度分数为0.805 (YOLOv7) 和0.796 (YOLOv9).
- 显著增强了对关键小猪的检测行为,如压碎和躺下.
结论:
- 混合ELAN系统在实时检测牲畜行为方面取得了显著的改进.
- 人工智能和计算机视觉为动物福利和农场管理效率带来了巨大的好处.
- 这项研究为智能农业技术和畜牧管理创新制定了新的基准.
