一个轻量级模型用于小型目标猪眼检测在自动化雌激素识别中
Min Zhao1, Yongpeng Duan2, Tian Gao1
1College of Animal Science, Shanxi Agricultural University, Taigu 030801, China.
Animals : an open access journal from MDPI
|April 26, 2025
概括
准确检测母猪的雌性对于养猪至关重要. 这项研究介绍了增强的上下文注意力YOLO (ECA-YOLO),一种使用眼睛特征的AI模型,用于自动化,非接触性雌激素识别,提高繁殖效率.
科学领域:
- 动物科学动物科学
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 准确的母猪卵巢识别对于高效的大规模养猪和经济效益至关重要.
- 短暂的期持续时间和主观的人类评估阻碍了精确的授精时间.
- 需要自动化,非接触性雌激发检测方法来克服目前的局限性.
研究的目的:
- 开发和验证一个改进的算法,增强的上下文注意力YOLO (ECA-YOLO),用于自动化母猪的检测.
- 为了利用眼睛的特征 (眼睛的精神,颜色,形状,形态) 进行准确的期阶段分类.
- 为了提高模型在复杂的养殖条件下检测和分类母猪的性能.
主要方法:
- 提出了一个基于YOLOv11的增强的上下文注意力YOLO (ECA-YOLO) 算法,包含MSCA,PPA和GAM模块.
- 利用不同期的眼睛外观特征作为分类的关键指标.
- 实现了自适应值焦点损失 (ATFL) 功能,以提高对具有挑战性的样本的灵敏度.
- 训练并对4461个母猪眼睛图像的数据集进行模型验证.
主要成果:
- ECA-YOLO实现了93.2%的平均精度 (mAP) 和88.0%的F1得分.
- 该模型与包括YOLOv5n,YOLOv7tiny,YOLOv8n,YOLOv10n,YOLOv11n和更快的R-CNN在内的基准测试相比表现出卓越的性能.
- 实现了每秒75.53 (FPS) 与5.31M参数,表明高效的实时处理能力.
结论:
- 眼部特征是自动检测母猪的可行指标.
- ECA-YOLO显示了实时准确监测母猪在集约养猪场中的母猪的巨大潜力.
- 该研究为开发先进的自动化系统提供了基础,以优化猪生产中的育种管理.
