基于多尺度融合注意力机制的群猪检测方法

群猪检测是现代化猪场智慧管理的关键环节。针对群猪计数过程中,小目标或被遮挡的猪只个体易漏检的问题,该研究提出了基于多尺度融合注意力机制的群猪检测方法。首先基于YOLOv7模型构建了群猪目标检测网络YOLOpig,该网络设计了融合注意力机制的小目标尺度检测网络结构,并基于残差思想优化了最大池化卷积模块,实现了对被遮挡与小目标猪只个体的准确检测;其次结合GradCAM算法进行猪只检测信息的特征可视化,验证群猪检测试验特征提取的有效性。最后使用目标跟踪算法StrongSORT实现猪只个体的准确跟踪,为猪只的检测任务提供身份信息。研究以育肥阶段的长白猪为测试对象,基于不同视角采集的视频数据集进行测试,验证了YOLOpig网络结合StongSORT算法的准确性和实时性。试验结果表明,该研究提出的YOLOpig模型精确率、召回率及平均精度分别为90.4%、85.5%和92.4%,相较于基础YOLOv7模型平均精度提高了5.1个百分点,检测速度提升7.14%,比YOLOv5、YOLOv7tiny和YOLOv8n 3种模型的平均精度分别提高了12.1、16.8和5.7个百分点,该文模型可以实现群猪的有效检测,满足养殖场管理需要。

浅谈幼儿园区角活动中存在的问题及对策

幼儿园区角活动是学前教育的重要方式,通过开展幼儿园区角活动可以有效促进幼儿园个性发展,这也与我国现代化教育理念较为契合。教师在开展幼儿园区角活动时,应该充分了解幼儿当前接受心理及接受能力,以此为基础,确立幼儿园区角活动具体结构及内容。可以看出,幼儿教育已经受到了我国社会广泛关注,成为了提升学前教育质量的重要路径之一,但整体来看,幼儿园区角活动开展依然存在一些问题,主要体现为区角活动材料投放缺乏合理性、活动创设与当前幼儿兴趣爱好不符等几个方面。基于此,本文也对幼儿园区教活动中存在的问题及对策进行了分析,希望可以为今后区角活动各个环节的有效完善提供微薄经验。