相关实验视频
Updated: Jan 18, 2026
06:30
Noninvasive, In-pen Approach Test for Laboratory-housed Pigs
Published on: June 5, 2019
8.9K
注意引导边缘优化网络用于实时检测和计数在生育箱中的断奶前小猪
Ning Kong1, Tongshuai Liu2,3, Guoming Li4,5
1School of Energy and Intelligence Engineering, Henan University of Animal Husbandry and Economy, Zhengzhou 450046, China.
Animals : an open access journal from MDPI
|September 13, 2025
概括
这项研究介绍了一种高效的AI模型,用于实时检测和计数小猪,这对于提高农场小猪生存率至关重要. 轻量级的网络实现了高精度,减少了计算需求,非常适合智能农业应用.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 农业技术 农业技术
背景情况:
- 准确的断奶前猪仔检测和计数对于畜牧管理和生存率至关重要.
- 目前的方法面临着诸如高计算成本,封闭和复杂的农场环境等挑战.
- 现有的解决方案往往缺乏商业应用的效率和实时处理能力.
研究的目的:
- 开发一个轻量级,注意力增强的人工智能网络,用于准确和实时的小猪检测和计数.
- 为了应对商业养猪场的计算需求和环境复杂性.
- 通过高效和具有成本效益的监测,提高小猪生存率.
主要方法:
- 一个改进的YOLOv8n架构,包括一个新的多尺度空间金字塔注意力 (MSPA) 模块.
- 集成一个增强的收集和分发 (GD) 机制,以实现高效的功能融合.
- 优化检测头和样品分配策略,以改善本地化和分类.
主要成果:
- 拟议的模型在定制数据集上实现了88.5%的精度和93.8%的mAP0.5.
- 与基线YOLOv8n.相比,参数 (58.45%),FLOP (46.91%) 和模型大小 (56.45%) 的显著减少.
- 在Raspberry Pi 4B上实现的实时推断速度 (<87 ms/image),证明了实际部署能力.
结论:
- 开发的轻量级网络为智能养猪提供了一个实用且可扩展的解决方案.
- 该模型提供了高精度,效率和实时性能,适用于资源有限的环境.
- 这项技术可以大大提高小猪的生存率和优化农场管理.
