农业机械学报

作者：李恩泽，王克俭，司永胜，苑迎春，何振学

单位：河北农业大学,河北农业大学,河北农业大学,河北农业大学,河北农业大学,

关键词：奶牛;行为识别;非对称卷积;SimAM注意力;ConvNeXt

基金：河北省重点研发计划项目(22327404D)、河北农业大学精准畜牧学科群建设项目（1090064）、河北省自然科学基金项目(F2020204003)和国家自然科学基金项目(62102130)

奶牛的动作行为（进食、躺卧、站立、行走和甩尾）直接或间接地反映了奶牛的健康及生理状况,是奶牛疾病监测及感知奶牛异常的关键，为准确高效地对奶牛行为进行识别，提出了一种融合时间和空间注意信息的多分支并行的CAFNet（ConvNeXt-ACM-FAM）奶牛行为识别模型，该模型在卷积网络ConvNeXt的基础上融合非对称多分支卷积模块（ACM）和特征注意力模块（FAM）。首先，利用ACM划分通道分支提取特征并保留一部分原始特征，防止信息过度丢失。其次，FAM对不同通道的特征进行融合并引入SimAM注意力机制，不增加网络参数的同时增强重要特征的有效提取。实验结果表明，该方法对进食、躺卧、站立、行走和甩尾行为识别准确率分别为95.50%、93.72%、90.26%、86.43%、89.39%，平均准确率为91.06%，参数量相较于原模型减少了1.5×106，浮点运算量减少了3×108，相较于其他模型，本文模型识别平均准确率平均提升8.63个百分点。本文研究成果可为奶牛疾病监测及预防提供技术支持。

来源：2024年第5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5期