一种基于关键点检测的动态雅克母牛姿势估计模型,用于复杂的环境监测
Jiazhou Li1, Yuxiang Yang1, Yao Yao1
1College of Mechanical and Electrical Engineering, Sichuan Agricultural University, Ya'an, China, 625014.
Journal of dairy science
|October 3, 2025
概括
一个新的计算机视觉模型,MFPVT-YakHeifer,准确地估计了雅克母牛为福利监测的姿势. 这项技术有助于检测健康问题,并改善农场的牲畜管理.
科学领域:
- 动物科学动物科学
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 雅克母牛的行为对于评估福利,健康和生产状况至关重要.
- 基于计算机视觉的姿势估计提供了先进的牲畜行为监测功能.
研究的目的:
- 使用先进的计算机视觉技术开发一个准确的雅克母牛姿势估计模型.
- 评估模型的性能与使用新型数据集的基准模型进行比较.
主要方法:
- 使用改进的金字塔视觉变压器v2 (PVT v2) 开发了基于PVT的多阶段特征注意力动态Yak Heifer姿势估计模型 (MFPVT-YakHeifer).
- 使用了一套新的YakPoseData集,包含各种雅克母牛图像,用于培训和验证.
- 雇佣关键点检测建模用于姿势估计.
主要成果:
- MFPVT-YakHeifer模型实现了卓越的性能,平均平均精度 (mAP) 在0.5 IoU时为90.41%,在0.75 IoU时为64.37%.
- 在0.5 IoU时实现了91.95%的平均回调,超过了4个基准模型.
- 成功地将模型部署在边缘计算设备上,用于实际的农场应用.
结论:
- 该MFPVT-YakHeifer模型显示了高准确性和有效性,用于雅克母牛的姿势估计.
- 部署的模型有可能显著提高畜牧场管理和动物福利监测.
- 未来的工作重点是数据集扩展和实时视频分析,以改善边缘部署.
