农业机械学报

作者：付辰伏，任力生，王芳

单位：河北农业大学,河北农业大学,河北农业大学,

关键词：牛只;目标监测;行为识别;多目标跟踪;YOLO v8;BoTSORT

基金：河北省省级科技计划项目（19220119D）

随着我国畜牧业的快速发展，牛只养殖由分散性养殖逐渐向精准化养殖转变。针对分散养殖中农户无法对每头牛只健康状况给予足够关注的问题，通过分析牛只行为模式结合视觉方向特征，设计了综合管理方法来准确识别和跟踪牛只行为。首先，采用改进YOLO v8算法对牛只进行目标监测，其中，在Backbone和Neck端使用C2f-faster结构，增强模型特征提取能力；引入上采样算子CARAFE，拓宽感受视野进行数据特征融合；针对牛只幼仔检测加入BiFormer注意力机制，以识别牛只小面积特征；更换动态目标检测头DyHead，融合尺度、空间和任务感知；然后，使用Focal SIoU函数，解决正负样本分配不均衡和CIoU局限性的问题。最后，将YOLO v8检测到的行为类别信息引入BoTSORT算法中，实现在复杂场景下牛只多目标行为识别跟踪。实验结果表明，提出的FBCD-YOLO v8n（FasterNet、BiFormer、CARAFE、DyHead）模型在牛只行为数据集上，相比较YOLO v5n、YOLO v7tiny和原YOLO v8n模型的mAP@0.5分别提升3.4、3.1、2.4个百分点，尤其牛只回舔行为识别平均精度提高7.4个百分点。跟踪方面，BoTSORT算法的MOTA为96.1%，MOTP为78.6%，IDF1为98.0%，HOTA为78.9%；与ByteTrack、StrongSORT算法比，MOTA和IDF1显著提升，跟踪效果良好。研究表明，在牛舍养殖环境下，本研究构建的多目标牛只行为识别跟踪系统，可有效帮助农户监测牛只行为，为牛只的自动化精准养殖提供技术支持。

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