基于改进YOLOv8n的安格斯牛面部识别

摘要

为解决安格斯牛独特的黑色毛发导致其面部特征区分困难的问题，采用基于YOLOv8n的改进方法，实现圈养环境中的安格斯牛准确、非接触式的面部识别。首先构建了一个包含200头安格斯牛在不同生长阶段的11 000张面部图像的数据集；其次，引入创新的增强感受野特征融合模块，该模块增强了模型对关键特征的关注；再次，设计了新型轻量化检测头LPCDH，用于安格斯牛的面部特征识别；最后，采用组泰勒剪枝方法，通过估计神经元的重要性剪除不重要的神经元，从而减少计算成本和内存占用，提升模型的部署效率。试验结果显示，改进后的模型平均识别准确率达到92.6%。与常用的SSD、YOLOv5n、YOLOv8s、YOLOv8m、YOLOv9t、YOLOv10n、RT-Detr和Mamba-YOLO模型相比，准确率分别提高了11.5、3.8、1.8、1.9、5.1、3.9、3.7和2.4百分点。与原始YOLOv8n模型相比，所设计模型在4折交叉验证中的准确率平均提高了3.1百分点。结果表明，该模型在内存消耗和计算需求方面实现了轻量化，特别适合在移动端和实际应用中的实时识别，可显著提高安格斯牛面部识别的准确率和效率。

关键词

安格斯牛 / YOLOv8n / 剪枝 / 牛只识别 / 面部检测模型