农业机械学报

作者：张姝瑾，许兴时，邓洪兴，温毓晨，宋怀波

单位：西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,

关键词：奶牛;身体部位分割;语义分割;FCABasicBlock;BiFPN;YOLO v8n

基金：国家重点研发计划项目（2023YFD1301800）和国家自然科学基金项目（32272931）

奶牛身体部位的精准分割广泛应用于奶牛体况评分、姿态检测、行为分析及体尺测量等领域。受奶牛表面污渍和遮挡等因素的影响，现有奶牛部位精准分割方法实用性较差。本研究在YOLO v8n-seg模型的基础上，加入多尺度融合模块与双向跨尺度加权特征金字塔结构，提出了YOLO v8n-seg-FCA-BiFPN奶牛身体部位分割模型。其中，多尺度融合模块使模型更好地提取小目标几何特征信息，双向跨尺度加权特征金字塔结构实现了更高层次的特征融合。首先在奶牛运动通道处采集奶牛侧面图像作为数据集，为保证数据集质量，采用结构相似性算法剔除相似图像，共得到1452幅图像。然后对目标奶牛的前肢、后肢、乳房、尾部、腹部、头部、颈部和躯干8个部位进行标注并输入模型训练。测试结果表明，模型精确率为96.6%，召回率为94.6%，平均精度均值为97.1%，参数量为3.3×106，检测速度为6.2f/s。各部位精确率在90.3%~98.2%之间，平均精度均值为96.3%。与原始YOLO v8n-seg相比，YOLO v8n-seg-FCA-BiFPN的精确率提高3.2个百分点，召回率提高2.6个百分点，平均精度均值提高3.1个百分点，改进后的模型在参数量基本保持不变的情况下具有更强的鲁棒性。遮挡情况下该模型检测结果表明，精确率为93.8%，召回率为91.67%，平均精度均值为93.15%。结果表明，YOLO v8n-seg-FCA-BiFPN网络可以准确、快速地实现奶牛身体部位精准分割。

来源：2024年第3期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2024年第3期