基于改进的RT-DETR模型识别小的护理行为
Yanhong Liu1,2,3,4, Fang Zhou5, Wenxin Zheng1
1College of Computer and Information Engineering, Xinjiang Agricultural University, Urumqi 830052, China.
Animals : an open access journal from MDPI
|February 13, 2025
概括
这项研究引入了一种AI模型,用于识别小的护理行为,这对于监测小健康至关重要. RT-DETR-Foalnursing模型准确地检测马和小的姿势,有助于评估哺乳期的健康成长.
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:
- 幼的哺乳行为是幼健康和发育的关键指标.
- 准确监测马和小羊的姿势对于评估哺乳行为至关重要.
研究的目的:
- 开发一种人工智能模型,用于识别马站立和小在摊位中的哺乳姿势.
- 用计算机视觉来提高小护理行为分析的准确性和效率.
主要方法:
- 提出了一个RT-DETR-Foalnursing模型,利用SACGNet骨干进行特征提取.
- 在自适应实例功能集成 (AIFI) 中集成的多级多头注意力和通道注意力模块,以提高功能利用率.
- 采用深度学习方法进行姿势识别和实时行为分析.
主要成果:
- 改进的RT-DETR-Foalnursing模型实现了98.5%的最大平均精度 (mAP@50),比基线RT-DETR提高1.8%.
- 成功启用实时统计分析小的哺乳姿势持续时间.
- 证明了功能利用和集成能力的增强,从而提高了识别准确性.
结论:
- RT-DETR-Foalnursing模型提供了一种高度准确和高效的方法来监测小的护理行为.
- 对哺乳期的实时分析为小的健康和生长提供了宝贵的见解.
- 这种人工智能驱动的方法对马的福利和管理有重大影响.
