基于YOLO-SW与时序特征的奶牛行为识别算法研究

来源：石河子大学学报·自然科学版杂志2024年第6期北京时间：

作者：邓红涛, 张帅龙, 高峰, 翟玉洁, 张舟, 吴妍妍, 张文举

单位：1 石河子大学机械电气工程学院,新疆 石河子 832003; <br/>2 石河子大学师范学院,新疆 石河子 832003; <br/>3 石河子市北泉镇天潞庄养牛专业合作社,新疆 石河子 832003; <br/>4 石河子大学动物科技学院,新疆 石河子 832003

摘要：奶牛的姿态行为与其健康状态密切相关,针对传统人工监测方法存在效率低、漏查率高的问题,提出一种改进YOLOv8的奶牛姿态估计模型YOLO-SW(YOLOv8-SwinTransformerWIoU),并结合时序统计方法实现奶牛行为的自动识别。首先,YOLO-SW模型在Backbone主干网络部分融入SwinTransformer模块提取特征,运用其下采样层级设计的移位窗口机制,逐渐增大感受野,显著提升模型对奶牛全局特征信息的提取能力;其次,针对模型原始损失函数收敛率较低的问题,使用边界框回归损失函数Wise-IoU替换CIoU,利用离群度替代IoU对锚框进行质量评估,提出了更合适的梯度增益分配策略,从而更有效地提高模型的收敛速度和识别性能。实验结果显示:YOLO-SW模型的mAP50指标达到97.7%,mAP50:90指标达到83.8%;在视频行为识别中,按时序将奶牛行为视频帧输入模型,再采用均值滤波统计算法,结果显示:YOLOv8平均精度值为86.84%,YOLO-SW平均精度达到90.74%。表明YOLO-SW模型在奶牛行为识别分析的精准度方面具有优势,可为奶牛疾病预防及健康监测提供技术支持,在行为识别领域有广泛的应用前景。

关键词：YOLOv8,奶牛行为识别,特征提取,Swin Transformer,WIoU

基金资助：新疆生产建设兵团重大科技项目(2021AA004),石河子大学科研能力提升项目(KX01230305)