本申請涉及豬只智慧養(yǎng)殖，尤其涉及一種豬只行為識別的方法及系統(tǒng)。

背景技術：

1、豬只是我國重要的畜牧業(yè)資源之一，其養(yǎng)殖效率和健康水平直接影響著我國的糧食安全和經(jīng)濟發(fā)展。因此，對豬只的行為進行有效的監(jiān)測和分析，是提高豬只養(yǎng)殖質量和效益的關鍵技術之一。豬只的行為可以反映出豬只的生理健康、生長繁殖等方面的信息，通過對豬只的行為進行識別和分析，可以及時發(fā)現(xiàn)并處理豬只的異常情況，如疾病、受傷、爭斗等，從而提高豬只的福利和生產(chǎn)力。

2、目前，對豬只行為識別的主要方法是基于視頻數(shù)據(jù)的計算機視覺技術，即通過攝像頭采集豬舍內(nèi)部的視頻數(shù)據(jù)，然后通過目標檢測、跟蹤、分類等算法，對視頻數(shù)據(jù)進行處理和分析，從而得到豬只的行為類型和狀態(tài)。

3、然而，這種方法存在以下問題：視頻數(shù)據(jù)量大，網(wǎng)絡傳輸延遲高，導致數(shù)據(jù)處理和分析效率低下，無法實現(xiàn)實時性和可靠性。行為識別算法缺乏細致和全面的分類和標注體系，導致行為識別結果不準確，無法反映出豬只的真實情況。

技術實現(xiàn)思路

1、為解決或部分解決相關技術中存在的問題，本申請?zhí)峁┮环N豬只行為識別的方法，該豬只行為識別的方法，能夠通過改進的yolo-pig模型進行豬只的位置、運動軌跡、行為類型和狀態(tài)信息檢測，配合霧計算技術，將視頻數(shù)據(jù)處理和分析任務分布在邊緣端，實現(xiàn)豬舍內(nèi)豬只的實時快速識別。

2、本申請第一方面提供一種豬只行為識別的方法，包括：

3、獲取豬只行為圖像，對豬只行為圖像進行預處理得到豬只行為識別數(shù)據(jù)集，其中，對圖像進行預處理包括圖像增強、尺寸縮放、灰度變化、通道合并和數(shù)據(jù)集劃分、標注；

4、對原y0l0v8模型框架進行輕量化改進，記為yol0-pig模型，并對yol0-pig模型進行訓練，其中，對原y0l0v8模型框架進行輕量化改進包括：通過部分卷積替換、添加cbam注意力機制、進行bn層剪枝；

5、在霧計算節(jié)點上運行訓練后的yolo-pig模型，對視頻數(shù)據(jù)進行實時的目標檢測和跟蹤，得到豬只行為識別結果。

6、可選的，部分卷積替換，包括：

7、將原yolov8模型的瓶頸結構中第一個cbs模塊中的6x6卷積刪除，替換為一個3x3部分卷積，只選用1/4的輸入通道進行卷積操作；

8、使用cbs模塊的1×1逐點卷積操作把上層的輸出特征圖通道數(shù)擴張為原來的2倍，同時利用上述部分卷積層未處理的通道；

9、接下來的一個1×1卷積層用于將上層的輸出還原回擴張前的通道數(shù)。

10、可選的，添加cbam注意力機制，包括：

11、將cbam注意力機制的算法模塊連接至yolov8模型的骨干主干網(wǎng)絡中。

12、可選的，進行bn層剪枝，包括：

13、通過loss函數(shù)為bn層添加正則約束，引入縮放因子，將縮放因子施加稀疏性正則化，生成修剪網(wǎng)絡，將修剪網(wǎng)絡進行微調，生成改進的yolov8模型，記為yol0-pig模型。

14、可選的，對yol0-pig模型進行訓練，包括：

15、設置類別，即stand和lying兩個類型，輸入圖片尺寸寬度和高度，設置最大迭代次數(shù)和學習率，優(yōu)化器使用adam優(yōu)化器；

16、將訓練集輸入至初始權重訓練網(wǎng)絡進行模型訓練直至達到最大迭代次數(shù)；

17、采用測試集對訓練后的模型進行驗證測試，若達到期望識別要求則將訓練后的模型作為豬只行為檢測模型，否則重新執(zhí)行預訓練的步驟。

18、可選的，在霧計算節(jié)點上運行訓練后的yolo-pig模型，對視頻數(shù)據(jù)進行實時的目標檢測和跟蹤，包括：

19、霧計算節(jié)點對豬舍的實時監(jiān)控視頻數(shù)據(jù)進行分析處理，每分鐘抓取2個視頻幀，將待測圖像縮放到標準化大小，轉換為rgb圖片；

20、將rgb圖片輸入至yol0-pig模型進行預測，輸出行為類別、類別置信度、預測框坐標和邊框置信度；

21、通過豬只行為識別結果，結合日常體溫數(shù)據(jù)及行為歷史記錄，進行豬只行為分析。

22、可選的，獲取豬只行為圖像，包括：

23、收集生豬視頻圖像與現(xiàn)有數(shù)據(jù)庫中的開源視頻圖像并進行混合，獲得混合圖像；

24、對混合圖像通過隔時抽幀方式得到初始的生豬行為圖像。

25、可選的，對圖像進行預處理，包括：

26、對生豬行為識別圖像按9:1的比例進行隨機劃分，獲得訓練集、測試集；

27、確定標簽類別包括生豬站立和趴臥；

28、按照標簽類別，使用標注工具標注訓練集中生豬行為識別圖像的目標位置坐標和標簽類別，并將標注信息生成相應的xml文件。

29、第二方面，本申請?zhí)峁┝艘环N豬只行為識別系統(tǒng)，包括：

30、豬只行為識別系統(tǒng)包括：

31、攝像頭、霧計算節(jié)點、云服務器；

32、攝像頭用于獲取豬只行為圖像；

33、霧計算節(jié)點用于搭載訓練后的yolo-pig模型的嵌入式計算卡，通過嵌入式計算卡進行豬只行為檢測；

34、云端服務器用于對豬只行為識別結果進行存儲、異常分析和預警。

35、本申請?zhí)峁┑募夹g方案可以包括以下有益效果：

36、通過改進的yolo-pig模型進行豬只的位置、運動軌跡、行為類型和狀態(tài)信息檢測，在保證高精度的同時，實現(xiàn)高速的目標檢測和跟蹤，從而適應復雜多變的豬舍環(huán)境，實現(xiàn)對豬只的疾病預警、健康管理、豬只生長評估等功能；

37、配合霧計算技術，將視頻數(shù)據(jù)處理和分析任務分布在邊緣端，減少了網(wǎng)絡傳輸延遲和帶寬消耗，提高了數(shù)據(jù)處理和分析的實時性和可靠性。

38、應當理解的是，以上的一般描述和后文的細節(jié)描述僅是示例性和解釋性的，并不能限制本申請。

技術特征：

1.一種豬只行為識別的方法，其特征在于，包括：

2.根據(jù)權利要求1所述的方法，其特征在于，所述部分卷積替換，包括：

3.根據(jù)權利要求1所述的方法，其特征在于，所述添加cbam注意力機制，包括：

4.根據(jù)權利要求1所述的方法，其特征在于，所述進行bn層剪枝，包括：

5.根據(jù)權利要求1所述的方法，其特征在于，所述對所述yol0-pig模型進行訓練，包括：

6.根據(jù)權利要求1所述的方法，其特征在于，所述在霧計算節(jié)點上運行訓練后的yolo-pig模型，對視頻數(shù)據(jù)進行實時的目標檢測和跟蹤，包括：

7.根據(jù)權利要求1所述的方法，其特征在于，所述獲取豬只行為圖像，包括：

8.根據(jù)權利要求1或7所述的方法，其特征在于，所述對所述圖像進行預處理，包括：

9.一種豬只行為識別系統(tǒng)，其特征在于，所述豬只行為識別系統(tǒng)包括：

10.根據(jù)權利要求9所述的系統(tǒng)，其特征在于，所述系統(tǒng)用于執(zhí)行如權利要求2-8任一項中所述的一種豬只行為識別的方法。

技術總結
本申請是關于一種豬只行為識別的方法及系統(tǒng)。該豬只行為識別的方法及系統(tǒng)包括：采集豬只行為圖像，對圖像進行預處理得到豬只行為識別數(shù)據(jù)集；對原Y0L0v8模型框架進行輕量化改進，記為YOL0?PIG模型，并對YOL0?PIG模型進行訓練；在霧計算節(jié)點上運行訓練后的YOLO?PIG模型，對視頻數(shù)據(jù)進行實時的目標檢測和跟蹤，得到豬只的位置、運動軌跡、行為類型和狀態(tài)信息。本申請?zhí)峁┑姆桨?，能夠通過改進的YOLO?PIG模型進行豬只的位置、運動軌跡、行為類型和狀態(tài)信息檢測，配合霧計算技術，將視頻數(shù)據(jù)處理和分析任務分布在邊緣端，實現(xiàn)豬舍內(nèi)豬只行為的實時快速識別。

技術研發(fā)人員：周兵,柏孝燚,吳文斗,張晉恒,舒相華,金先進,伍金鳳
受保護的技術使用者：云南農(nóng)業(yè)大學
技術研發(fā)日：
技術公布日：2024/12/17