一个实时轻量级行为识别模型,用于多只奶山羊
Xiaobo Wang1, Yufan Hu1, Meili Wang1,2
1College of Information Engineering, Northwest A&F University, Yangling 712100, China.
Animals : an open access journal from MDPI
|January 8, 2025
概括
一个新的深度学习模型,GSCW-YOLO,使用先进的特征识别,准确地检测奶羊的行为,包括微妙和异常的行为. 这项技术有助于早期发现健康问题,并改善现代农业中的动物福利管理.
科学领域:
- 动物科学动物科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 牲畜的行为是动物健康和福利的关键指标.
- 使用深度学习的自动行为识别可以使乳山羊早期发现健康和环境问题.
- 在复杂的农场环境中识别小目标行为存在重大挑战.
研究的目的:
- 开发一种轻量级和多尺度的深度学习模型,用于准确地识别乳山羊的行为.
- 为了提高监控视频中微妙,异常和小目标行为的检测.
- 为乳山羊行业提供一个强大的解决方案,用于智能化管理和以福利为重点的繁殖.
主要方法:
- 提出了GSCW-YOLO,这是一个集高斯语境转换 (GCT) 和内容意识重组特征 (CARAFE) 的新型模型.
- 增强了YOLOv8n框架,增加了一个小目标检测层,并优化了Wise-IoU损失功能.
- 在各种照明条件下收集视频数据,并在9213张图像的自建数据集上评估模型.
主要成果:
- GSCW-YOLO获得了93.5%的精度,94.1%的回忆率和97.5%的mAP,超过了基线YOLOv8n.
- 在检测遥远的小目标和短暂的异常行为方面表现出显著的改善.
- 该模型具有5.9MB大小和175FPS的高效率,超过了其他受欢迎的模型,如CenterNet和EfficientDet.
结论:
- GSCW-YOLO为乳牛山羊的行为识别提供了卓越的性能,特别是在挑战小目标和微妙的行动方面.
- 该模型为智能乳山羊管理和福利提供了有效的技术支持.
- 这一进步有助于乳山羊产业的现代化和效率.
