基于改进YOLO v8关键点检测的西门塔尔牛只个体识别方法

来源：农业机械学报杂志2025年第12期北京时间：

作者：田振江，韩成，张超，李月莹，于福东，钟馨慧

单位：长春理工大学,长春理工大学,长春理工大学,长春理工大学,吉林省中农阳光数据有限公司,吉林省中农阳光数据有限公司,

摘要：随着畜牧业的智能化发展，基于计算机视觉技术的牛只个体识别在牛场养殖中扮演着越来越重要的角色。然而，在实际应用中，牛脸角度的快速变化、牛只数量的频繁变动以及模型识别速度的局限性严重影响了识别的准确性和效率。为了应对这些挑战，本文提出了一种基于改进YOLO v8关键点检测的西门塔尔牛个体识别方法。该方法包括2个阶段，在牛脸检测阶段，改进YOLO v8模型自动检测牛脸图像中的关键点，并进行矫正对齐和背景裁剪，使牛脸图像角度趋于一致。在牛脸识别阶段，引入了深度可分离卷积以减少参数量，利用残差连接和注意力机制增强了模型的特征提取能力，从而提升了识别准确性和速度。为验证方法的有效性，构建了包含159头西门塔尔牛的牛脸图像数据集。实验结果表明，本文模型在参数量和推理时间上有显著改进，单幅图像处理时间缩短至39ms以内，识别准确率为95.8%，比其他模型相比平均提高4.8个百分点。此外，本文方法支持实时更新牛只数据库，在增加牛脸图像后，仍能保持较高准确率。

关键词：牛脸识别;计算机视觉;YOLO v8;关键点检测

基金资助：吉林省重点科技研发项目（20180201069GX）