农业机械学报

作者：黄小平，侯现坤，郭阳阳，郑寰宇，豆子豪，刘梦艺，赵晋陵

单位：安徽大学,安徽大学,安徽大学,安徽大学,安徽大学,安徽大学,安徽大学,

关键词：牛脸检测;关键点检测;YOLO v7-Pose;姿态识别

基金：安徽省自然科学基金项目（2308085MC103）和安徽省教育厅高校项目（KJ2021A0024）

奶牛脸部关键点检测在牛场智能化中发挥着重要的作用，它可以帮助实现牛脸识别、牛脸对齐、头部动作检测与行为识别等。针对目前奶牛养殖环境中存在牛脸遮挡、弱光照等问题，提出了一种改进的YOLO v7-Pose网络模型的算法，可用于牛脸关键点检测和头部姿态识别。首先通过网络相机在牛场获取奶牛脸部图像并构建数据集。其次，在YOLO v7-Pose网络模型中引入SPPFCSPCL结构，以提高奶牛脸部关键点的特征提取能力；将关键点检测的损失函数OKS替换为WingLoss损失函数，增加奶牛脸部关键点的检测精度；最后，使用L1范数对改进的模型剪枝，使改进后的网络模型参数量降低。试验结果表明：改进模型YOLO v7-SCLWL-Pose检测牛脸关键点较原模型AP提升5个百分点，AP0.5提升2.7个百分点，改进后模型内存占用量仅为106.7MB，减少33.6%。将本文关键点检测用于姿态识别，试验结果对抬头和低头等动作的识别准确率达到95.5%和86.5%。本研究为牧场奶牛行为识别提供了支撑技术。

来源：2024年第11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11期