BiAF:基于机器视觉的动态山羊群检测和跟踪研究

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:

• 牧场管理正在向资源优化智能系统转变.
• 传统的畜牧监测方法破坏了动物的自然行为.
• 准确的放牧模式分析对于科学放牧实践至关重要.

研究的目的:

• 开发一种非破坏性机器视觉算法,用于畜牧放牧监测.
• 为了提高目标检测和跟踪准确度的山羊群.
• 为实现草地-动物平衡提供信息驱动的方法.

主要方法:

• 拟议的BiAF-YOLOv7算法,通过优化CBAM注意力机制和改进的SPPCSPC模块来增强YOLOv7-tiny.
• 改进了YOLOv7-tiny中的箱,用于增强目标检测.
• 集成BiAF-YOLOv7与DeepSORT,用于强大的山羊群追踪.

主要成果:

• BiAF-YOLOv7在山羊群数据集上实现了高性能指标:94.5%的精度,96.7%的回忆,94.8%的F1得分和96.0%的mAP.
• 该系统成功地在大型环境中跟踪了山羊群.
• 证明了该算法的有效性和实用性,用于畜牧业监测.

结论:

• BiAF-YOLOv7算法是用于畜牧放牧监测的实用和有效工具.
• 基于机器视觉的监控在大型牧场管理中提供了更广泛的应用.
• 这项研究提供了信息驱动的草地动物平衡的创新方法.