基于关键点检测和多目标跟踪的猪只体尺估计

摘要

【目的】减少猪场人工测量猪只体尺的工作量，提高测量精度和工作效率。【方法】本研究提出基于关键点检测和多目标跟踪的猪只体尺自动估计方法，该方法使用Yolov8-Pose模型识别各猪只关键点和目标检测框，利用ByteTrack算法对猪群实时跟踪，引入感兴趣区域规避图像畸变，提高识别速度，同时设计姿态和异常检测过滤算法减少因运动模糊、姿态不正等因素造成的误差。【结果】5个猪栏中24头猪只体长、肩宽、臀宽的平均绝对误差均小于3 cm，平均绝对百分比误差分别维持在4%、6%和7%以内。数据处理速度提升为19.3帧/s。【结论】本研究提出的基于关键点检测和多目标跟踪的猪只体尺估计方法为猪场生产场景提供了一个轻量化、易部署的自动体尺测量解决方案。

关键词

Yolov8-Pose / 感兴趣区域 / 体尺估计 / 关键点 / 目标检测框 / 猪