【技术实现步骤摘要】
本专利技术涉及智慧牧业，具体涉及一种多尺度轻量化的奶山羊行为实时检测模型。
技术介绍
1、在奶山羊的集约化养殖中，通常对饲养管理、环境卫生、疫病防控的要求较高，奶山羊的异常行为能够反映奶山羊的健康状况和福利情况，对于及时识别潜在的健康问题和环境问题至关重要。
2、然而，在实际养殖环境中，奶山羊的不同行为之间可能存在高度相似性、存在较多远离摄像头的小目标、复杂背景的干扰等多方面问题；yolo模型虽然有应用广泛、效果较好、可扩展性强、实现速度和精度的良好平衡等优势，为解决相关问题提供了思路，但传统的yolo模型的检测精度和速度并不能满足实际应用的需求。
技术实现思路
1、为了解决现有技术中存在的问题，本专利技术提供一种多尺度轻量化的奶山羊行为实时检测模型。该方案包括：基于改进的yolov8网络结构建立山羊行为检测模型；获取山羊实时监测视频并提取检测视频中的帧图像；将帧图像输入山羊行为检测模型中获取检测结果；改进的yolov8网络结构包括：主干网络、颈部网络和头部网络；其中，颈部网络包括特征金字塔网络和路径聚合网络；将特征金字塔网络中的最近邻插值上采样算子替换为carafe上采样算子；在路径聚合网络中加入高斯上下文变换器进行特征映射。本专利技术提出的改进模型中通过加入轻量级的通用上采样算子和高斯上下文变换器，能够有效实现模型的轻量化和速度提升，同时避免了复杂背景对山羊行为识别的影响。
2、本专利技术采用如下技术方案，一种多尺度轻量化的奶山羊行为实时检测模型，包括：
3、基于改进的yolov8网络结构建立山羊行为检测模型；
4、获取山羊实时监测视频并提取所述检测视频中的帧图像；
5、将所述帧图像输入山羊行为检测模型中，获取检测结果；
6、所述改进的yolov8网络结构包括：主干网络、颈部网络和头部网络；其中，颈部网络包括特征金字塔网络和路径聚合网络；将特征金字塔网络中的最近邻插值上采样算子替换为carafe上采样算子；在所述路径聚合网络中加入高斯上下文变换器进行特征映射。
7、进一步的，所述颈部网络还包括：所述颈部网络在双层结构的基础上增加一层小目标探测层。
8、进一步的，所述头部网络包括：将所述头部网络中的损失函数ciou替换为wise-iou损失函数。
9、进一步的，所述主干网络包括：conv和c2f模块；所述conv模块用于执行卷积和批处理归一化操作，并在输入的帧图像上应用silu激活函数；所述c2f模块用于对输入的帧图像经过多次特征提取后得到的不同尺度特征图像进行融合。
10、本专利技术的有益效果是：本专利技术针对奶山羊相似行为无法区分的问题，通过在模型中加入轻量级的通用上采样算子carafe能够有效实现对相似行为的区分，还实现了模型的轻量化和速度提升，进一步引入高斯上下文变换器，通过高斯函数将全局上下文映射到注意力权重上，可以使模型实现对奶山羊的行为特征进行优先排序，避免了输入图像的背景对奶山羊行为识别的影响，同时将头部网络中的损失函数ciou为wise-iou损失函数，能够有效提高模型的定位精度和识别准确性；本专利技术针对实际生产中摄像头无法做到全方位覆盖导致小目标遗漏的问题，本专利技术在颈部网络两层结构的基础上，增加一层小目标探测层，能够使模型额外实现对小目标的关注，拓展了模型的实用能力。
本文档来自技高网...【技术保护点】
1.一种多尺度轻量化的奶山羊行为实时检测模型，其特征在于，包括：
2.根据权利要求1所述的一种多尺度轻量化的奶山羊行为实时检测模型，其特征在于：所述颈部网络还包括：所述颈部网络在双层结构的基础上增加一层小目标探测层。
3.根据权利要求1所述的一种多尺度轻量化的奶山羊行为实时检测模型，其特征在于：所述头部网络包括：将所述头部网络中的损失函数CIoU替换为Wise-IoU损失函数。
4.根据权利要求1所述的一种多尺度轻量化的奶山羊行为实时检测模型，其特征在于：所述主干网络包括：Conv和C2f模块；所述Conv模块用于执行卷积和批处理归一化操作，并在输入的帧图像上应用SiLU激活函数；所述C2f模块用于对输入的帧图像经过多次特征提取后得到的不同尺度特征图像进行融合。
【技术特征摘要】
1.一种多尺度轻量化的奶山羊行为实时检测模型，其特征在于，包括：
2.根据权利要求1所述的一种多尺度轻量化的奶山羊行为实时检测模型，其特征在于：所述颈部网络还包括：所述颈部网络在双层结构的基础上增加一层小目标探测层。
3.根据权利要求1所述的一种多尺度轻量化的奶山羊行为实时检测模型，其特征在于：所述头部网络包括：将所述头部网络中...
【专利技术属性】
技术研发人员：毛锐，王晓博，胡俞帆，朱先垚，李书琴，王美丽，李梅，
申请(专利权)人：西北农林科技大学，
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。