[目的]运用You Only Look Once version 5s(YOLOv5s)模型实现对分娩奶山羊躺卧姿态的自动识别,并结合Farneback光流算法对分娩奶山羊胸腹部起伏特征进行分析,从而为奶山羊分娩的精准化管理提供技术支撑。[方法]利用YOLOv5s模型对分娩奶...[目的]运用You Only Look Once version 5s(YOLOv5s)模型实现对分娩奶山羊躺卧姿态的自动识别,并结合Farneback光流算法对分娩奶山羊胸腹部起伏特征进行分析,从而为奶山羊分娩的精准化管理提供技术支撑。[方法]利用YOLOv5s模型对分娩奶山羊的躺卧与站立姿态进行分类识别,采用精确率(P)、召回率(R)及平均精确率(mAP)对模型分类结果进行评价。通过视频识别后,依据分娩时长将20只萨能奶山羊分为2组:A组为分娩时长<30 min,B组为分娩时长≥30 min。并基于Farneback光流算法提取分娩奶山羊胸腹部起伏参数(速度、高度、单次持续时间、次数),对比分析两组奶山羊胸腹部运动规律。[结果]①YOLOv5s模型对躺卧和站立姿态识别的P分别为98.4%和98.3%,假阳性率<2%,误判风险极低;R为95.3%和94.6%,漏检率<6%,监测覆盖性优异;mAP达96.3%和95.2%,综合性能稳定,鲁棒性强。②光流法分析表明,B组胸腹部起伏速度均值为5.358 px/s,显著(P<0.05)高于A组均值(2.461 px/s);B组胸腹部起伏高度均值为6.104 px,极显著(P<0.01)高于A组均值(2.280 px);B组单次起伏持续时间均值(4.687 s)与A组均值(4.272 s)差异不显著(P=0.35);B组胸腹部起伏次数(45.67次)极显著(P<0.01)高于A组(12.92次),且节律性降低,这表明分娩难度随分娩时长增加而升高。[结论]YOLOv5s模型与Farneback光流算法协同运作,实现了对奶山羊分娩姿态的精准识别以及胸腹部运动精准量化。该技术能够集成到牧场分娩预警系统中,实时识别奶山羊的异常分娩行为,降低母羊难产风险,为奶山羊的智能化管理提供技术支持。展开更多
文摘[目的]运用You Only Look Once version 5s(YOLOv5s)模型实现对分娩奶山羊躺卧姿态的自动识别,并结合Farneback光流算法对分娩奶山羊胸腹部起伏特征进行分析,从而为奶山羊分娩的精准化管理提供技术支撑。[方法]利用YOLOv5s模型对分娩奶山羊的躺卧与站立姿态进行分类识别,采用精确率(P)、召回率(R)及平均精确率(mAP)对模型分类结果进行评价。通过视频识别后,依据分娩时长将20只萨能奶山羊分为2组:A组为分娩时长<30 min,B组为分娩时长≥30 min。并基于Farneback光流算法提取分娩奶山羊胸腹部起伏参数(速度、高度、单次持续时间、次数),对比分析两组奶山羊胸腹部运动规律。[结果]①YOLOv5s模型对躺卧和站立姿态识别的P分别为98.4%和98.3%,假阳性率<2%,误判风险极低;R为95.3%和94.6%,漏检率<6%,监测覆盖性优异;mAP达96.3%和95.2%,综合性能稳定,鲁棒性强。②光流法分析表明,B组胸腹部起伏速度均值为5.358 px/s,显著(P<0.05)高于A组均值(2.461 px/s);B组胸腹部起伏高度均值为6.104 px,极显著(P<0.01)高于A组均值(2.280 px);B组单次起伏持续时间均值(4.687 s)与A组均值(4.272 s)差异不显著(P=0.35);B组胸腹部起伏次数(45.67次)极显著(P<0.01)高于A组(12.92次),且节律性降低,这表明分娩难度随分娩时长增加而升高。[结论]YOLOv5s模型与Farneback光流算法协同运作,实现了对奶山羊分娩姿态的精准识别以及胸腹部运动精准量化。该技术能够集成到牧场分娩预警系统中,实时识别奶山羊的异常分娩行为,降低母羊难产风险,为奶山羊的智能化管理提供技术支持。
