【技术实现步骤摘要】
一种基于深度学习的奶牛行为识别方法
[0001]本说明书涉及图像识别
,特别涉及一种基于深度学习的奶牛行为识别方法
。
技术介绍
[0002]奶牛行为识别技术是一种利用现代计算机视觉和机器学习算法等技术手段对奶牛的行为进行监测和分析的方法
。
通过对奶牛行为的监测和分析,可以了解奶牛的健康状况
、
生产性能和生活习性等信息,有助于提高奶牛的养殖效益和健康水平
。
因传感器的成本高昂
、
易损特征和需要与奶牛亲密接触更易应激等缺陷,非接触视觉系统因其简单
、
低廉以及更安全的方式,更符合现代养殖场的需求
。
现在的非接触视觉系统通过识别奶牛的特征部位,构建特征关系向量,实现对奶牛的行为识别,可以保证多样背景中的识别准确率,但计算成本高,而为了降低计算成本,会导致识别的准确率下降
。
[0003]为了解决以上问题,提出了一种基于深度学习的奶牛行为识别方法,兼顾了识别的效率和准确率
。
技术实现思路
[0004]本说明书一个或多个实施例提供一种基于深度学习的奶牛行为识别方法
。
所述基于深度学习的奶牛行为识别方法包括:
S1
:获取行为图像数据和训练图像数据;
S2
:对所述行为图像数据进行预处理,得到图像数据集;
S3
:基于所述训练图像数据,对初始行为识别模型进行训练,得到行为识别模型;所述行为识别模型包括骨
【技术保护点】
【技术特征摘要】
1.
一种基于深度学习的奶牛行为识别方法,其特征在于,包括:
S1
:获取奶牛行为图像数据和奶牛训练图像数据;
S2
:对所述奶牛行为图像数据进行预处理,得到图像数据集;
S3
:基于所述奶牛训练图像数据,对初始行为识别模型进行训练,得到行为识别模型;所述行为识别模型包括骨干网络
、
颈部结构和头部结构;
S4
:利用所述骨干网络,对所述图像数据集进行特征提取,利用注意力机制得到行为特征图;
S5
:利用所述颈部结构对所述行为特征图进行处理,得到融合特征图;
S6
:将所述融合特征图输入所述头部结构,获得识别结果;所述识别结果包括检测边界框
、
预测类别和对应置信度分数;
S7
:对所述识别结果进行后处理,得到最终的目标框及行为识别结果
。2.
根据权利要求1所述的基于深度学习的奶牛行为识别方法,其特征在于,所述
S3
包括:基于所述训练图像数据,通过标注,获取所述训练数据集;通过对
YOLOv8s
模型进行改进,获取初始行为识别模型;所述初始行为识别模型包括骨干网络
、
颈部结构和头部结构;利用所述训练数据集对初始行为识别模型进行训练,获得行为识别模型
。3.
根据权利要求2所述的基于深度学习的奶牛行为识别方法,其特征在于,所述通过对
YOLOv8s
模型进行改进,获取初始行为识别模型包括:将
YOLOv8s
模型中骨干网络替换为
ShuffleNetv2
网络结构,并加入注意力机制,用于进行特征提取;将
YOLOv8s
模型颈部结构中的
Conv
模块替换为
GSConv
模块,用于进行特征识别
。4.
根据权利要求2所述的基于深度学习的奶牛行为识别方法,其特征在于,所述利用所述训练数据集对初始行为识别模型进行训练,得到行为识别模型还包括:
S41
:将所述训练数据集分为训练集和验证集;
S42
:通过所述训练集对初始行为识别模型进行训练,得到第一行为识别模型;
S43
:利用所述验证集对所述第一行为识别模型进行验证,判断验证结果是否符合要求,若符合,则将第一行为识别模型作为最终的行为识别模型输出,否...
【专利技术属性】
技术研发人员:郭雷风,马亚宾,席天宇,么炜,袁明,杨晨东,蒋桂娥,卢炜华,张国拴,
申请(专利权)人:中国农业科学院农业信息研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。