一种基于尾部特征和注意力机制的边缘设备的新型轻量级乳牛身体状况评分模型
Fan Liu1, Yongan Zhang1, Yanqiu Liu1
1College of Computer and Information Engineering, Inner Mongolia Agricultural University, Hohhot 010018, China.
Veterinary sciences
|September 27, 2025
概括
本研究引入了一种自动计算机视觉系统,用于使用尾巴特征评估乳牛身体状况评分 (BCS). 这种高效的模型适用于边缘设备,可实时监测牲畜健康状况.
科学领域:
- 动物科学动物科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 乳牛的手动身体状况评分 (BCS) 评估是主观的,耗时的,阻碍了精准农业.
- 开发可扩展的,自动化的BCS评估方法对于牲畜健康和生产率至关重要.
研究的目的:
- 开发和验证一个自动化计算机视觉模型,用于准确的乳牛BCS评估.
- 优化模型,以便在资源受限的边缘设备上部署,以实时监控.
主要方法:
- 使用了EfficientNet-B0与SE和空间注意力机制来从尾部图像中提取特征.
- 采用模型蒸,将模型大小从23.8 MB减少到8.7 MB,用于边缘部署.
- 根据分析的尾巴特征,将BCS分为五个级别 (3.25至4.25).
主要成果:
- 在蒸后获得了91.10%的准确性,91.14%的精度,91.10%的回忆率和91.10%的F1分数.
- 证明了高精度,BCS误差为±0.25 (97.57%) 和BCS误差为±0.5 (99.72%).
- 显著减少模型大小,提高边缘设备的推断速度和存储效率.
结论:
- 开发的计算机视觉模型为自动化畜牧健康监测提供了高效和可扩展的解决方案.
- 蒸模型符合实时监控要求,适用于边缘设备,支持智能畜牧业.
- 这项技术通过客观和快速的BCS评估,促进了乳牛管理的改善.
