有效的卷积网络模型,包含多重注意力机制,用于对荷尔斯坦乳牛进行个别识别
Xiaoli Ma1,2, Youxin Yu1,2, Wenbo Zhu1,2
1College of Computer and Information Engineering, Inner Mongolia Agricultural University, Hohhot 010018, China.
Animals : an open access journal from MDPI
|April 26, 2025
概括
一个新的轻量级网络,CowBackNet,可以在精密奶牛养殖中准确地识别荷尔斯坦牛的个体. 这种强大的系统克服了照明和角度挑战,提高了实际农场应用的效率.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 动物科学动物科学
背景情况:
- 对于精准奶牛养殖来说,个别牛的识别是至关重要的.
- 现有的机器视觉系统由于固定照明和摄像头角度而面临限制.
- 这些限制阻碍了在现实世界农场环境中广泛采用.
研究的目的:
- 开发一个轻量级和强大的网络,用于荷尔斯坦牛的个人识别.
- 为了克服环境挑战,例如改变光线和摄像头角度.
- 提高精密奶牛养殖技术的效率和实用性.
主要方法:
- 设计了CowBackNet,这是一个用于识别牛的轻量级特征提取网络.
- 开发了LightCBAM,这是一个融合模块,集成了注意力,反向残余结构和深度可分离的卷积.
- 创建了CowBack数据集,其中包含来自生产环境的各种霍尔斯坦牛图像.
主要成果:
- CowBackNet在一个小模型大小 (6.096 MB) 和低FLOP (0.727 G) 的情况下实现了88.30%的识别准确度.
- 与EfficientNetV2相比,显示了显著的改进,精度提高了11.69%,参数减少.
- 该模型对拍摄角度,照明和现实世界农场数据的变化表现出强度.
结论:
- CowBackNet为霍尔斯坦牛的个人识别提供了一个实用而高效的解决方案.
- 开发的网络适用于各种农场环境,克服了常见的技术限制.
- 这一进步对精密奶牛养殖的实施和成功具有重大价值.
