相关实验视频
Updated: Jan 9, 2026
05:04
Echocardiography Recording in Awake Miniature Pigs
Published on: May 26, 2023
1.5K
基于低海拔无人机识别猪面部表情,用于早期健康监测
Zhijiang Wang1, Ruxue Mi2, Haoyuan Liu1
1College of Information Science and Engineering, Shanxi Agricultural University, Taigu 030801, China.
Animals : an open access journal from MDPI
|December 11, 2025
概括
这项研究提高了使用无人机和改进的YOLOv8模型的猪面部姿势检测. 新系统在识别单个猪及其行为方面实现了高精度,改善了畜牧业管理.
科学领域:
- 动物科学动物科学
- 计算机视觉 计算机视觉
- 农业技术 农业技术
背景情况:
- 对猪的面部姿势检测对于个体识别和行为分析至关重要.
- 大型猪场的挑战包括可变的照明和动物的近距离.
- 对于全面的面部分析,传统的检查方法效率较低.
研究的目的:
- 开发一种准确和有效的方法来检测猪的脸部姿势,使用空中检查方法.
- 提高对猪面部目标物体检测模型在具有挑战性的环境中的性能.
- 通过先进的面部识别技术增强畜牧管理实践.
主要方法:
- 利用无人驾驶飞行器 (UAV) 在真实的群体环境中捕获空中数据.
- 开发了一种经过修改的YOLOv8模型,其中包括Detect_FASFF检测头,Partial_Conv模块,以及改进的指数移动平均线 (iEMA) 方案,具有二级注意力.
- 创建并增强了来自50个的600只猪的5600张图像的数据集.
主要成果:
- 拟议的Detect_FASFF头实现了大目标的高平均精度 (mAP50),大目标为95.5%,小目标为95.9%.
- 在保持mAP的同时,Partial_Conv模块减少了计算负载和推理时间.
- 具有二级注意力的iEMA方案提高了精度至96.4%mAP50,减轻了环境干扰.
- 改进后的YOLOv8在整体mAP中显著优于传统的YOLO变种Rt-DeTR和更快的R-CNN.
结论:
- 与现有方法相比,增强的YOLOv8模型在猪面部姿势检测方面表现出优异的性能.
- 空中检查方法与改进的模型相结合,有效地应对猪群环境中的挑战.
- 这项技术通过精确的面部识别提供了更人道和更有效的牲畜管理实践的潜力.
