结合姿态和营养行为用于群养猪综合状态检测的局限性与机遇——基于YOLO架构
自动行为监测对于推进精准畜牧业、改善动物福利和实现早期疾病检测至关重要。本研究系统评估了六种轻量级目标检测架构,即YOLOv5、YOLOv8、YOLOv9、YOLOv10、YOLOv11和YOLOv12,用于检测猪的姿态行为(侧卧、胸卧、站立和坐)和营养行为(
自动行为监测对于推进精准畜牧业、改善动物福利和实现早期疾病检测至关重要。本研究系统评估了六种轻量级目标检测架构,即YOLOv5、YOLOv8、YOLOv9、YOLOv10、YOLOv11和YOLOv12,用于检测猪的姿态行为(侧卧、胸卧、站立和坐)和营养行为(采食、饮水和非采食/饮水)。研究人员开发了三个检测模型,并应用Grad-CAM(梯度加权类激活映射)可视化模型预测所依据的关键视觉特征。结果表明,任务公式化对性能的影响大于架构差异。营养模型实现了最高的检测性能(平均mAP50(平均精度均值在IoU阈值为0.5时)为95.8–96.6%),姿态模型次之(89.9–91.1%),而组合模型最具挑战性(79.8–81.9%),这是由于分类复杂性增加以及潜在的类别不平衡。检测难度具有行为特异性:站立、采食和非采食/饮水被最可靠地识别,而坐、饮水、坐饮和胸卧采食仍然具有挑战性。Grad-CAM分析证实,模型预测基于生物学上有意义的特征,整合了全身姿态与局部头部-资源交互。基于本研究数据集,YOLOv9提供了最高的整体检测性能,在姿态和组合模型中实现了最高的mAP50和mAP50-95(平均精度均值在IoU阈值0.5至0.95时),同时与YOLOv12在营养模型中匹配。然而,它需要最长的训练时间和最慢的推理速度。YOLOv8实现了最低的总体延迟,而YOLOv10在准确性和速度之间提供了平衡的权衡。这些发现表明,猪行为识别的未来进展不仅取决于特定于猪的架构创新,还取决于更具代表性的基准数据集。
行为是猪只健康、福利和环境适应中最早且最综合的指标之一。尤其是姿态活动(如侧卧、胸卧、站立、坐)和营养活动(采食、饮水),对生理和环境变化高度敏感。躺卧模式、站立时间、采食和饮水行为的改变与热应激、感染、炎症或社会竞争密切相关。持续的行为监测能够在临床症状出现前检测到显著的行为偏差,这凸显了其作为健康问题早期指标的潜力。然而,传统的健康监测方法依赖间歇性目视检查或人工评分,耗时、主观且难以在大型猪群和长生产周期中持续实施。近年来,数字成像和人工智能的发展实现了自动化的非接触式动物监测。深度学习方法,特别是基于YOLO(You Only Look Once,一种单阶段目标检测框架)的模型,因其实时性和竞争性精度,在精准畜牧业中具有良好应用前景。尽管已有研究展示了YOLO模型在猪行为检测中的潜力,但现有工作多聚焦于单一姿态或营养行为,缺乏对组合行为的系统评估。将姿态和营养行为整合为单一模型可提供更全面的行为解读,但会引入更大复杂性、加剧类别不平衡并增加误分类风险。因此,本研究旨在系统评估六种轻量级YOLO架构(YOLOv5、YOLOv8、YOLOv9、YOLOv10、YOLOv11和YOLOv12)在姿态、营养及组合行为检测中的性能,识别具有挑战性的行为,并探讨整合多行为模型的局限性。研究成果发表于《Smart Agricultural Technology》。
研究人员从2023至2025年间在韩国顺天国立大学实验农场采集了六组不同猪群的视频数据,猪只品种为(大白×长白)×杜洛克杂交,体重范围20–90 kg,每帧猪数5–12头。使用两台IP摄像机(Wisenet XNO-8080R和DV-QIHV)从天花板2米高度录制视频,帧率30 FPS。从视频中每30秒自动提取一帧,人工选择2,202帧作为训练/验证集,并额外收集1,000帧作为独立测试集。所有图像通过Roboflow平台进行标注,按姿态和营养行为组合定义了10个类别(如侧卧、胸卧非采食/饮水、胸卧采食、胸卧饮水、站立非采食/饮水、站立采食、站立饮水、坐非采食/饮水、坐采食、坐饮水)。数据集被复制为三个子集:姿态模型(4类:侧卧、胸卧、站立、坐)、营养模型(3类:采食、饮水、非采食/饮水)和组合模型(10类)。采用数据增强(水平翻转、±15°旋转、灰度调整至25%、噪声添加至1.65%),最终训练集包含5,284张图像。所有YOLO架构使用Ultralytics框架的小型(small)变体,输入尺寸640×640像素,训练超参数(批次大小16、初始学习率0.000714、优化器Adam、100轮次)保持一致。使用Grad-CAM(梯度加权类激活映射)可视化模型预测的关键区域。评估指标包括精确率、召回率、F1分数、mAP50(平均精度均值在IoU阈值为0.5时)和mAP50-95(平均精度均值在IoU阈值0.5至0.95时),以及训练时间、模型复杂度(GFLOPs(千兆浮点运算次数)和参数量)和延迟(毫秒/帧)。
在所有六种YOLO架构中,营养模型获得了最高的整体检测性能(平均mAP50为95.8–96.6%,平均F1分数为92.5–93.1%),其次是姿态模型(mAP50为89.9–91.1%,F1分数为84.7–85.7%),而组合10类模型最为困难(mAP50为79.8–81.9%,F1分数为75.1–76.9%)。任务公式化(从3/4类到10类)导致平均F1分数下降7.9–17.6个百分点,且不同架构在同一任务内的性能差异小于不同任务之间的差异。
姿态检测中,站立在所有架构中表现最稳定(平均F1分数93.7–94.9%,mAP50 97.7–98.2%),Grad-CAM显示其激活集中于猪躯干和承重肢体。侧卧和胸卧的F1分数分别为85.1–85.9%和85.2–86.1%。坐姿是最具挑战性的类别(F1分数73.3–76.0%,mAP50-95 66.6–70.1%),常被误分类为胸卧,Grad-CAM显示其注意力分散于躯干和四肢。YOLOv9在姿态模型中取得了最高的平均召回率(84.9%)、F1分数(85.7%)、mAP50(91.1%)和mAP50-95(76.4%)。
营养行为检测性能最高。非采食/饮水是最可靠的类别(F1分数95.0–95.5%),采食次之(F1分数93.0–93.9%),饮水最困难(F1分数88.9–90.3%),常被误分类为非采食/饮水。Grad-CAM显示,模型依赖头部与饲喂器或饮水器的交互区域进行预测。YOLOv5取得了最高的平均F1分数(93.1%),YOLOv9和YOLOv12在mAP50(96.6%)和mAP50-95(81.5%)上并列最高。
组合10类模型是最具挑战性的检测任务。站立采食和站立饮水表现最可靠(F1分数分别为92.2–94.0%和89.5–91.1%),侧卧、站立非采食/饮水、胸卧非采食/饮水较为稳定(F1分数83.0–85.5%)。坐饮水、胸卧饮水和胸卧采食是最困难的类别(F1分数分别为57.6–62.8%、60.0–62.0%和51.6–70.6%),Grad-CAM显示这些类别的激活图分散且不连贯。YOLOv9在组合模型中取得了最高的平均F1分数(76.9%)、mAP50(81.9%)和mAP50-95(68.9%)。
讨论部分指出,任务公式化对性能的影响大于架构差异,营养模型和姿态模型性能优于组合模型,表明整合多行为识别仍需改进。类别级性能受行为生物学和视觉特征影响:站立相关类因独特体态易于识别,坐姿因与胸卧视觉重叠且常被遮挡而困难。采食和饮水主要依赖头部-资源交互的局部激活,而非采食/饮水则呈现更广泛的注意力分布。组合模型需同时整合全局姿态和局部交互特征,少数类(如坐饮水、胸卧采食)因样本不足和视觉相似性导致性能低下。尽管YOLO架构不断改进注意力质量,但并未直接转化为更高的检测指标(如YOLOv12虽注意力图最精确,但性能不如YOLOv9)。YOLOv9在少数类上表现最佳,可能归因于其PGI(可编程梯度信息)和GELAN(广义高效层聚合网络)增强了梯度传播和特征表示。然而,当前架构仍无法完全克服类别不平衡和行为模糊性,未来需开发针对猪特定架构以解决遮挡、相似行为、少数类学习和姿态-活动联合建模。所有架构均实现实时性,但准确性与效率之间存在权衡。结论部分翻译如下:
本研究系统比较了六种轻量级YOLO架构(YOLOv5、YOLOv8、YOLOv9、YOLOv10、YOLOv11和YOLOv12)用于检测猪姿态、营养和组合行为。在所有评估架构中,任务公式化对检测性能的影响大于架构差异,营养模型始终优于姿态模型,而组合模型因行为复杂性增加和潜在的类别不平衡仍最具挑战性。类别级分析和Grad-CAM可视化进一步表明,检测性能受每种行为生物学特征的强烈影响。站立、采食和非采食/饮水表现出独特的视觉线索和一致的注意力模式,而坐、饮水、坐饮和胸卧采食因视觉相似性、遮挡和有限训练样本仍然困难。在评估架构中,YOLOv9取得了最高的整体检测和定位性能,特别是在少数类上,而YOLOv8提供了最佳计算效率,具有最低的总体延迟。YOLOv10在准确性和推理效率之间提供了平衡的折中。所有六种架构均实现了高整体速度(80.06–134.05 FPS),展示了其在精准畜牧业中实时部署的潜力。尽管后续YOLO架构通常在特征提取和优化方面引入了改进,但结果表明,最初在非猪数据集上开发和基准测试的通用目标检测器无法完全解决猪行为识别的独特挑战。因此,未来进展预计将更少依赖后续通用YOLO版本,而更多依赖针对猪的特定架构创新,这些创新应明确解决遮挡、视觉相似行为、少数类学习以及姿态和活动的联合建模。这些发展应得到跨多个农场和生产系统收集的大规模、标准化基准数据集的支持,以提高模型鲁棒性,实现客观比较,并加速开发用于精准畜牧业的可靠计算机视觉系统。
本文由:壹号娱乐 - NG大舞台,有梦你就来提供


