复杂农场环境中基于AI的奶牛检测
计算机视觉与模式识别
2025-01-10 v1
摘要
动物福利已成为当代社会的一个关键问题，强调我们对动物的伦理责任，特别是在畜牧业中。人工智能（AI）技术，特别是计算机视觉的出现，为监测和改善动物福利提供了一种创新方法。奶牛作为可持续农业的重要贡献者，是这项工作的核心。然而，现有的奶牛检测算法在真实农场环境中面临挑战，例如复杂光照、遮挡、姿态变化和背景干扰，阻碍了检测。模型泛化对于在训练数据集之外的场景中适应至关重要。本研究使用来自六种环境（包括室内和室外场景）的多样化奶牛数据集来解决这些挑战。我们提出了一种结合YOLOv8和CBAM（卷积块注意力模块）的检测模型，并评估其与基线模型（包括Mask R-CNN、YOLOv5和YOLOv8）的性能。我们的研究结果表明，基线模型在复杂条件下性能下降，而我们的方法通过使用CBAM得到改进。YOLOv8-CBAM在mAP上比YOLOv8高出2.3%，实现了95.2%的精度和82.6%的[email protected]:0.95，显示出卓越的准确性。贡献包括：(1)分析检测局限性，(2)提出鲁棒模型，(3)对最先进算法进行基准测试。应用包括智慧农场中的健康监测、行为分析和跟踪，能够在具有挑战性的环境中实现精确检测。这项研究推动了基于AI的牲畜监测，改善了动物福利和智慧农业。
引用
@article{arxiv.2501.02080,
title = {AI-Powered Cow Detection in Complex Farm Environments},
author = {Voncarlos M. Araújo and Ines Rili and Thomas Gisiger and Sebastien Gambs and Elsa Vasseur and Marjorie Cellier and Abdoulaye Baniré Diallo},
journal= {arXiv preprint arXiv:2501.02080},
year = {2025}
}