相关实验视频
Updated: Sep 16, 2025
06:14
A Method for Investigating Change Blindness in Pigeons Columba Livia
Published on: September 7, 2018
6.5K
YOLOv8-DuckPluck:一种轻量级的目标检测模型,用于桃谷子羽毛的检测地点
Xuliang Duan1, Pengsen Wang1, Yue Hu1
1College of Information Engineering, Sichuan Agricultural University, Ya'an 625000, PR China; Sichuan Key Laboratory of Agricultural Information Engineering, Ya'an 625000, PR China.
Poultry science
|July 6, 2025
概括
基于YOLOv8的新型号YOLOv8-DuckPluck准确地检测到桃谷的羽毛. 这种先进的家禽监测系统提高了精密畜牧业的检测速度和准确性.
科学领域:
- 计算机视觉 计算机视觉
- 动物科学动物科学
- 农业技术 农业技术
背景情况:
- 羽毛在家禽中引起压力,羽毛损失和死亡率,需要精确的监测精确的畜牧业.
- 目前的深度学习对象检测模型在复杂,高密度的家禽环境中难以实现速度,大小和准确性.
研究的目的:
- 开发一种高效,准确的深度学习模型,用于检测谷的羽毛孔部位.
- 改进现有的物体检测模型,以便在家禽养殖中实时监控.
主要方法:
- 将轻量级多尺度特征提取模块 (NeoMSM-C2f) 集成到 YOLOv8 骨干中.
- 使用适应式检测头 (DyHead) 进行动态特征变化.
- 应用知识蒸使用YOLOv8_nS (学生) 和YOLOv8_sT (教师) 模型来创建YOLOv8-DuckPluck.
主要成果:
- 该YOLOv8-DuckPluck模型实现了平均平均精度 (mAP) 的90.24%,比基线YOLOv8_n的85.51%的增长.
- 检测速度从 66.98 f/s 提高到每秒 76.3 (f/s),满足实时处理需求.
- 该模型显示了高检测准确度和处理速度之间的平衡,表现优于基线.
结论:
- YOLOv8-DuckPluck模型提供了一个实用且有效的解决方案,用于实时检测谷的羽毛.
- 开发的模型减少了部署成本和复杂性,提高了其在精密畜牧业中的适用性.
- 这项研究通过先进的AI驱动的监测技术,有助于改善动物福利和管理.
