轻量级卷积神经网络在奶牛体况评分中的应用

来源：华中农业大学学报杂志2024年第1期北京时间：

作者：程灿，冯涛，黄小平，郭阳阳，梁栋，史道玲

单位：1.安徽大学互联网学院，合肥 230039;2.安徽新华学院电子通信工程学院，合肥 230088

摘要：为对奶牛体况信息进行高效地实时监测以便满足商业化的需求，提出一种改进轻量级注意力机制网络模型（Shuffle-ECANet）。首先，针对8 972幅含有奶牛尾部的图像样本，通过专家对奶牛体况进行人工评分，并构建数据集；然后以轻量级ShuffleNet-v2 1×网络为基础，在特征提取过程中引入高效的通道注意力模块，强化网络对奶牛体况特征的提取能力。此外，采用H-Swish激活函数，避免神经元坏死现象；最后通过进一步精简网络结构得到Shuffle-ECANet网络模型。结果显示，Shuffle-ECANet模型针对各类别奶牛的识别准确率为97%以上，且在体况评分（body condition scoring，BCS）误差分别为0、≤0.25和≤0.5的体况评价结果中，Shuffle-ECANet模型均优于EfficientNet-v1、MobileNet-v3、ShuffleNet-v2 1×和ResNet34等模型，证明本研究方法的有效性。

关键词：体况评分;ShuffleNet-v2网络;注意力机制;智慧养殖;轻量级;激活函数

基金资助：安徽省教育厅自然科学基金项目（KJ2021A0024）程灿，E-mail：y20301008@stu.ahu.edu.cn