农业机械学报

作者：翟亚红，王杰，徐龙艳，祝岚，原红光，赵逸凡

单位：湖北汽车工业学院,湖北汽车工业学院,湖北汽车工业学院,湖北汽车工业学院,沁阳市北盛牧业有限公司,湖北汽车工业学院,

关键词：舍养绵羊;智慧养殖;行为识别;注意力机制;YOLO v5n;绵羊数据集

基金：湖北省教育厅重点科研项目(D20211802)和湖北省科技厅重点研发计划项目(2022BEC008)

日常行为是家畜健康状况的重要体现，在传统的行为识别方法中，通常需要人工或者依赖工具对家畜进行观察。为解决以上问题，基于YOLO v5n模型，提出了一种高效的绵羊行为识别方法，利用目标识别算法从羊圈斜上方的视频序列中识别舍养绵羊的进食、躺卧以及站立行为。首先用摄像头采集养殖场中羊群的日常行为图像，构建绵羊行为数据集；其次在YOLO v5n的主干特征提取网络中引入SE注意力机制，增强全局信息交互能力和表达能力，提高检测性能；采用GIoU损失函数，减少训练模型时的计算开销并提升模型收敛速度；最后，在Backbone主干网络中引入GhostConv卷积，有效地减少了模型计算量和参数量。实验结果表明，本研究提出的GS-YOLO v5n目标检测方法参数量仅为1.52×106，相较于原始模型YOLO v5n减少15%；浮点运算量为3.3×109，相较于原始模型减少30%；且平均精度均值达到95.8%，相比于原始模型提高4.6个百分点。改进后模型与当前主流的YOLO系列目标检测模型相比，在大幅减少模型计算量和参数量的同时，检测精度均有较高提升。在边缘设备上进行部署，达到了实时检测要求，可准确快速地对绵羊进行定位并检测。

来源：2024年第4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4期