基于YOLO-SW与时序特征的奶牛行为识别算法研究

摘要

奶牛的姿态行为与其健康状态密切相关，针对传统人工监测方法存在效率低、漏查率高的问题，提出一种改进YOLOv8的奶牛姿态估计模型YOLO-SW(YOLOv8-Swin Transformer WIoU),并结合时序统计方法实现奶牛行为的自动识别。首先，YOLO-SW模型在Backbone主干网络部分融入Swin Transformer模块提取特征，运用其下采样层级设计的移位窗口机制，逐渐增大感受野，显著提升模型对奶牛全局特征信息的提取能力；其次，针对模型原始损失函数收敛率较低的问题，使用边界框回归损失函数Wise-IoU替换CIoU,利用离群度替代IoU对锚框进行质量评估，提出了更合适的梯度增益分配策略，从而更有效地提高模型的收敛速度和识别性能。实验结果显示：YOLO-SW模型的mAP50指标达到97.7%,mAP50:90指标达到83.8%;在视频行为识别中，按时序将奶牛行为视频帧输入模型，再采用均值滤波统计算法，结果显示：YOLOv8平均精度值为86.84%,YOLO-SW平均精度达到90.74%。表明YOLO-SW模型在奶牛行为识别分析的精准度方面具有优势，可为奶牛疾病预防及健康监测提供技术支持，在行为识别领域有广泛的应用前景。

关键词

YOLOv8 / 奶牛行为识别 / 特征提取 / Swin Transformer / WIoU