基于YOLO-SW與時(shí)序特征的奶牛行為識(shí)別算法研究

打開文本圖片集

摘要：奶牛的姿態(tài)行為與其健康狀態(tài)密切相關(guān)，針對傳統(tǒng)人工監(jiān)測方法存在效率低、漏查率高的問題，提出一種改進(jìn)YOLOv8的奶牛姿態(tài)估計(jì)模型YOLO-SW（YOLOv8-Swin Transformer WIoU），并結(jié)合時(shí)序統(tǒng)計(jì)方法實(shí)現(xiàn)奶牛行為的自動(dòng)識(shí)別。首先，YOLO-SW模型在Backbone主干網(wǎng)絡(luò)部分融入Swin Transformer模塊提取特征，運(yùn)用其下采樣層級(jí)設(shè)計(jì)的移位窗口機(jī)制，逐漸增大感受野，顯著提升模型對奶牛全局特征信息的提取能力；其次，針對模型原始損失函數(shù)收斂率較低的問題，使用邊界框回歸損失函數(shù)Wise-IoU替換CIoU，利用離群度替代IoU對錨框進(jìn)行質(zhì)量評估，提出了更合適的梯度增益分配策略，從而更有效地提高模型的收斂速度和識(shí)別性能。（剩余15916字）