通过深度学习增强囚禁福利管理:使用YOWOvG视频检测吉行为
Jinwen Luo1,2, Yating Du1, Yujie Wang1
1State Key Laboratory of Swine and Poultry Breeding Industry, College of Animal Science and Technology, Sichuan Agricultural University, Chengdu, China.
Journal of applied animal welfare science : JAAWS
|August 5, 2025
概括
研究人员开发了一种新的AI模型,YOWOvG,可以自动监测东方洞穴 gibbon 的行为. 这种先进的系统通过准确地从视频数据中识别关键行为来改善被囚禁环境中的动物福利评估.
科学领域:
- 灵长类动物学 灵长类动物学
- 人工智能的人工智能
- 动物行为分析.
背景情况:
- 精确的动物行为监测对于诸如东部洞穴 gibbon (Hoolock leuconedys) 等物种的福利和保护至关重要.
- 传统的方法,如手动观测和单分析,在囚禁环境中存在局限性.
- 需要自动化,非侵入性的方法来捕捉复杂的时空行为.
研究的目的:
- 开发了第一个人类注释的东部洞穴 gibbon 的时空行为数据集.
- 为准确的行为识别提出和评估一个改进的深度学习模型 (YOWOvG).
- 展示自动化视频监控在加强野生动物福利评估方面的潜力.
主要方法:
- 创建了一个新的时空数据集,包含69,919个标记的,涵盖休息,社交,爬行和行走行为.
- 开发YOWOvG,一个深度学习模型,结合SE关注和GELAN来增强功能提取.
- 培训和验证基于视频的行为识别的YOWOvG模型.
主要成果:
- YOWOvG模型实现了85.20%的Frame-mAP,比基准方法提高了6.3%.
- 该模型展示了登和行走行为的增强识别,即使数据不平衡.
- YOWOvG有效地捕捉了吉行为中的时间动态和空间背景.
结论:
- 使用YOWOvG的自动化,非侵入性视频监控可以显著改善被囚禁野生动物的福利评估.
- 开发的数据集和模型提供了一个可扩展的框架,用于监禁动物的行为信息管理.
- 未来的工作包括扩大行为类别和整合音频线索以进行全面的监控.
