基于深度学习YOLOv3的奶牛犊行为检测

为了实时监测奶牛犊健康状况,试验采用萤石摄像头对散养的6月龄左右的5头奶牛犊视频进行采集,将标注的奶牛犊行为图像进行训练及验证,建立基于YOLOv3和Darknet53网络的奶牛犊行为识别模型。在5头奶牛犊视频中随机选择4409幅奶牛犊图像进行躺卧、挤头、吃食、饮水和站立行为标注,并按9∶1划分训练集和验证集。其中3969幅用作训练集,共计19845个奶牛犊行为框,其余440幅用作验证集,另取108幅无标注的奶牛犊图像作为测试集。结果表明:采用YOLOv3进行奶牛犊行为识别和python语言编程进行模型训练时,训练阈值为0.2时,在测试集上目标检测的平均准确率为85.6%。说明奶牛犊行为识别模型的实时性较好,能够识别奶牛犊的不同行为,有助于及时了解奶牛犊的健康状况,实现奶牛犊的精准养殖。