基于改进YOLOv8n-pose和BoTSORT的鱼苗应激行为监测

1

作者 冯国富 袁林婧 +1 位作者 王文娟 陈明 《渔业现代化》 北大核心 2025年第4期31-43,共13页

准确高效监测鱼苗应激行为不仅有助于在养殖过程中调控应激源以减少产量损失,同时也可为育种阶段的鱼苗活力评估提供有效手段。针对鱼苗体积小、养殖密度高和高速非线性运动的特点,提出一种改进YOLOv8n-pose和BoTSORT的鱼苗应激行为监... 准确高效监测鱼苗应激行为不仅有助于在养殖过程中调控应激源以减少产量损失,同时也可为育种阶段的鱼苗活力评估提供有效手段。针对鱼苗体积小、养殖密度高和高速非线性运动的特点,提出一种改进YOLOv8n-pose和BoTSORT的鱼苗应激行为监测方法。改进YOLOv8n-pose作为检测器,将BMS模块与C2f模块相结合,使模型充分学习不同尺度特征;使用SPPCSPC模块替换原模型的特征融合模块,优化鱼苗相互遮挡情形下的检测精度;最后用NEMASlideLoss替换原模型损失函数,增强模型的稳定性和对小目标的关注度。在跟踪器部分,基于检测器检测出的目标,结合BoTSORT多目标跟踪算法实现了更适合鱼苗应激时非线性运动监测的方法。最后,提取鱼苗的加速度、摆尾角度和聚集度3种特征进行加权融合,根据融合后的特征值判断鱼苗是否处于应激状态。结果显示,改进后的YOLOv8n-pose算法在目标检测和关键点检测的mAP比原模型分别提高了3.6%和4.5%;BoTSORT算法的MOTA为77.628%、MOTP为80.307%、IDF1为79.573%、IDSW为51,优于DeepSORT、ByteTrack、StrongSORT算法。该研究算法基于特征值的应激行为监测准确率为95.24%,为鱼类苗种培育中应激行为监测提供了新的思路和方法。 展开更多

关键词 鱼苗 yolov8n-pose BoTSORT 应激行为监测

在线阅读 下载PDF 职称材料

基于改进YOLOv8n-Pose的疲劳驾驶检测 被引量：2

2

作者 蔡忠祺 林珊玲 +3 位作者 林坚普 吕珊红 林志贤 郭太良 《液晶与显示》 北大核心 2025年第4期617-629,共13页

针对目前驾驶员疲劳检测算法存在检测过程复杂、参数多、精度低、运行速度慢等问题,提出了一种基于改进YOLOv8n-Pose的轻量级模型。该模型优化了YOLOv8n-Pose的结构。首先,在模型主干网络中,引入Ghost卷积减少模型参数量和不必要的卷积... 针对目前驾驶员疲劳检测算法存在检测过程复杂、参数多、精度低、运行速度慢等问题,提出了一种基于改进YOLOv8n-Pose的轻量级模型。该模型优化了YOLOv8n-Pose的结构。首先,在模型主干网络中,引入Ghost卷积减少模型参数量和不必要的卷积计算。其次,引入Slim-neck融合主干网络提取的不同尺寸特征,加速网络预测计算。同时在颈部网络添加遮挡感知注意力模块(SEAM),强调图像中的人脸区域并弱化背景,改善关键点定位效果。最后,在检测头部分提出一种GNSC-Head结构,引入共享卷积,并将传统卷积的BN层优化成更稳定的GN层,有效节省模型的参数空间和计算资源。实验结果显示,改进后的YOLOv8n-Pose相较于原始算法,mAP@0.5提高了0.9%,参数量和计算量各减少了50%,同时FPS提高了8%,最终的疲劳驾驶识别率达到93.5%。经验证,本文算法在轻量化的同时能够保持较高的检测精度,并且能够有效识别驾驶员状态,为车辆边缘设备的部署提供有力支撑。 展开更多

关键词 疲劳驾驶检测 深度学习 yolov8n-pose 轻量化 注意力机制

在线阅读 下载PDF 职称材料

基于改进YOLOv8n-pose的轻量化牛体尺自动测量方法

3

作者 陈相学 郭小燕 +1 位作者 李艳梅 刘畅 《南京农业大学学报》 北大核心 2025年第6期1464-1475,共12页

[目的]牛体尺测量是牛生长发育评估和育种选择的重要步骤。然而传统的人工测量牛体尺的方法费时费力,且容易引起牛的应激反应。为了准确高效、低成本地测量牛育种所需的体尺数据,本研究设计了一种轻量化牛体尺自动测量方法。[方法]基于... [目的]牛体尺测量是牛生长发育评估和育种选择的重要步骤。然而传统的人工测量牛体尺的方法费时费力,且容易引起牛的应激反应。为了准确高效、低成本地测量牛育种所需的体尺数据,本研究设计了一种轻量化牛体尺自动测量方法。[方法]基于牛侧面体尺数据集,提出了一种基于改进YOLOv8n-pose的关键点检测模型,在原基础上引入空间深度转换卷积(space-to-depth convolution,SPD-Conv)模块、CSPPC(cross-stage partial networks and partial convolution)模块和SPPELAN(spatial pyramid pyramid ensemble for lightweight networks)池化模块。利用改进模型自动获取牛身体的鬐甲最高点、前肢地面点、胸基点、鬐甲后缘点、腹底点、腰椎点、十字部点、肩端前缘点、坐骨结节后缘点、前肢左点和前肢右点11个关键点位置。根据坐标转换与体尺公式自动测量出体高、胸深、腹深、十字部高、尻长、体斜长和管围7项牛体尺数据。[结果]在采集的61头牛体尺数据集上进行试验,试验结果表明本文提出的改进模型测量出的牛体尺数据平均相对误差为6.2%,与原模型相比,参数量降低43.8%,计算量下降34.1%,模型尺寸降低41.3%,在保证模型精度的同时提高了轻量化程度。[结论]本研究满足了准确高效、全面与低成本的自动测量牛体尺要求,为牛选育提供了一种新的有效测量方案。 展开更多

关键词 牛体尺测量 牛选育 关键点检测 轻量化模型 yolov8n-pose

在线阅读 下载PDF 职称材料

基于改进YOLOv8n-Pose的羊只围产期行为识别方法

4

作者 孙思晗 孙小华 +2 位作者 王超 袁万哲 王福顺 《农业工程学报》 北大核心 2025年第12期258-268,共11页

在现代畜牧业中,自动化识别羊只围产期行为能及时发现潜在的健康问题和生产异常,从而有效保障羊只健康、降低出生羊羔死亡率、提升繁殖效益。针对羊只围产期部分行为特征的高度相似以及羊只生产环境中存在复杂光照条件和背景干扰等问题... 在现代畜牧业中,自动化识别羊只围产期行为能及时发现潜在的健康问题和生产异常,从而有效保障羊只健康、降低出生羊羔死亡率、提升繁殖效益。针对羊只围产期部分行为特征的高度相似以及羊只生产环境中存在复杂光照条件和背景干扰等问题,该研究提出了一种改进YOLOv8n-Pose关键点检测模型与BP神经网络相结合的羊只围产期行为识别方法。首先,为提升关键点检测的精度,新增P2检测层,显著增强模型对小尺度特征的捕获能力,为复杂行为的关键点定位提供更精细的支持。其次,针对复杂环境中的特征表达问题,引入多尺度注意力模块(multi-scale attention block,MAB),以动态权重机制强化模型对全局与局部特征的交互建模能力,提升在复杂光照环境下的稳健性和泛化性能。此外,考虑到模型参数量较大导致部署困难,采用基于L1范数的剪枝策略,对优化后的模型进行参数压缩与冗余移除,既有效降低了计算复杂度,又保证了高效性与模型性能的平衡。最后,基于改进模型精准提取12个关键点坐标信息后,结合5个关节角度、2对关键点相对位置以及关键点识别个数,构建包含32个行为特征向量的多维数据集,并将其作为输入传递至BP神经网络进行羊只围产期行为分类。试验结果表明,在自建羊只围产期数据集上,改进的YOLOv8n-Pose模型检测羊只关键点较原模型平均精度值mAP50提升4.6个百分点,m AP50:95提升6.7个百分点。BP神经网络对羊只围产期行为进行分类,其F1分数达到95.7%。研究结果验证基于关键点的识别方法在复杂的围产期行为识别中具有明显优势,为畜牧业智能化管理提供有效的技术支持。 展开更多

关键词 行为识别 yolov8n-pose 关键点检测 围产期 BP神经网络

在线阅读 下载PDF 职称材料

基于改进YOLOv8n-Pose的人体关键点检测算法 被引量：3

5

作者 雷亮 陈毅 +4 位作者 刘学涵 赵锦 陈小庆 周华勇 徐山雯 《重庆科技大学学报(自然科学版)》 2025年第1期83-89,共7页

针对YOLOv8n-Pose模型在边缘设备部署面临的计算资源和存储空间受限问题,提出了一种基于改进YOLOv8n-Pose的人体关键点检测算法。设计了一种基于上下文导引特征融合模块,以提升模型的特征表达能力和检测精度,并引入深度卷积进行图像特... 针对YOLOv8n-Pose模型在边缘设备部署面临的计算资源和存储空间受限问题,提出了一种基于改进YOLOv8n-Pose的人体关键点检测算法。设计了一种基于上下文导引特征融合模块,以提升模型的特征表达能力和检测精度,并引入深度卷积进行图像特征处理,使得检测头的参数量更少、计算量更低。在COCO-Pose数据集上的实验结果表明,改进后的YOLOv8n-Pose模型在保证检测精度提升的同时,使得参数量降低了19.5%、计算量减少了32.6%,从而提高了模型在边缘场景中的适用性。 展开更多

关键词 yolov8n-pose算法 深度卷积 上下文导引特征融合 姿态估计

在线阅读 下载PDF 职称材料

基于重参数化网络和共享卷积的轻量化YOLOV8n-Pose人体姿态估计算法

6

作者 刘磊 胡永祥 《电脑知识与技术》 2025年第2期19-22,共4页

针对实时人体姿态估计模型计算复杂度大、效率低的问题,文章以YOLOv8n-Pose模型为基准,提出了一种结合重参数化网络和共享卷积的轻量化人体姿态估计算法。首先,引入MLCA注意力机制,改进C2f模块中的Bottleneck结构,提升骨干网络对人体关... 针对实时人体姿态估计模型计算复杂度大、效率低的问题,文章以YOLOv8n-Pose模型为基准,提出了一种结合重参数化网络和共享卷积的轻量化人体姿态估计算法。首先,引入MLCA注意力机制,改进C2f模块中的Bottleneck结构,提升骨干网络对人体关键点的特征提取能力。其次,将原有的PANet特征融合网络替换为重参数化网络RepGFPN,实现更高效的多尺度特征融合。最后,设计了一种共享卷积的轻量化检测头,降低模型参数量,减少计算开销。在COCO数据集上的实验结果表明,改进后的模型计算复杂度(GFLOPS)降低了10%,m AP@50精度提升了2.8%,模型参数量减少了20%。这些改进为人体姿态估计任务的轻量化和高效部署提供了新思路。 展开更多

关键词 人体姿态估计 轻量化 yolov8n-pose 重参数化网络RepGFPN 共享卷积

在线阅读 下载PDF 职称材料

基于YOLOv8n-Pose关键点特征增强估计算法

7

作者 殷贤涛 胡波 李思照 《无线电通信技术》 北大核心 2025年第5期1025-1035,共11页

现有关键点检测算法在光照变化、人员密集交叉遮挡等情况下,易导致检测精度降低、漏检或关键点检测错位的问题。针对该问题,提出基于YOLOv8n-Pose改进的LBW-YOLOv8n-Pose复杂环境多人人体姿态估计算法。通过在特征提取主干网络的快速空... 现有关键点检测算法在光照变化、人员密集交叉遮挡等情况下,易导致检测精度降低、漏检或关键点检测错位的问题。针对该问题,提出基于YOLOv8n-Pose改进的LBW-YOLOv8n-Pose复杂环境多人人体姿态估计算法。通过在特征提取主干网络的快速空间金字塔池化(Spatial Pyramid Pooling-Fast,SPPF)层引入大核可分离注意力(Large Separable Kernel Attention,LSKA),增强图像特征表达能力和感知能力。在颈部网络引入加权双向特征金字塔网络(Bidirectional Feature Pyramid Network,BiFPN)进行重构,提高多尺度特征融合效果,并采用改进的Wise-IoU损失函数,提升模型收敛速度与复杂场景下的鲁棒性。实验结果表明,改进后模型在MS-COCO2017人体关键点数据集上精确率、召回率、平均精度值分别达到85.7%、76.8%、81.7%,相比原模型均有明显提升,且能更精准、有效地检测复杂情况下多人人体关键点信息。 展开更多

关键词 姿态估计 注意力机制 yolov8n-pose

在线阅读 下载PDF 职称材料

基于改进YOLOv8n-Pose的轨道作业人员跨轨安全动作识别 被引量：5

8

作者 叶彦斐 胡龙癸 张成龙 《国外电子测量技术》 2024年第8期181-188,共8页

针对轨道作业人员跨轨安全动作监督方法存在效率低、漏检率高等问题,引入改进的人体姿态估计算法YOLOv8n-Pose对跨轨安全动作进行识别和监督。对YOLOv8n-Pose算法改进方法为在网络中添加注意力机制并轻量化网络结构,并改进网络的bbox损... 针对轨道作业人员跨轨安全动作监督方法存在效率低、漏检率高等问题,引入改进的人体姿态估计算法YOLOv8n-Pose对跨轨安全动作进行识别和监督。对YOLOv8n-Pose算法改进方法为在网络中添加注意力机制并轻量化网络结构,并改进网络的bbox损失函数和关键点损失函数,以提高网络的识别精度和速度。使用高斯滤波和ColorJitter算法对自制数据集增强。在训练前使用遗传算法对训练超参数进行自适应调整,在训练时使用迁移学习和知识蒸馏方法,提高网络训练速度、识别精度和泛化能力。将训练好的模型对轨道现场作业人员图像进行检测,可成功识别出作业人员姿态并根据关键点位置信息识别安全动作,人体关键点识别精确度为94.3%,推理速度为238.1 fps,验证模型改进研究取得了有益效果,提高了模型识别精度、识别速度和鲁棒性。 展开更多

关键词 人体姿态估计 深度学习 yolov8n-pose 目标检测

原文传递

基于改进YOLOv8n-pose和三维点云分析的蒙古马体尺自动测量方法 被引量：7

9

作者 李明煌 苏力德 +2 位作者 张永 宗哲英 张顺 《智慧农业（中英文）》 CSCD 2024年第4期91-102,共12页

[目的/意义]准确高效地获取马匹体尺信息是马产业现代化进程中的关键环节。传统的人工测量方法耗时长、工作量大,且会对马匹造成一定应激反应。因此,实现准确且高效的体尺参数自动测量对于制定蒙古马早期育种计划至关重要。[方法]选择Az... [目的/意义]准确高效地获取马匹体尺信息是马产业现代化进程中的关键环节。传统的人工测量方法耗时长、工作量大,且会对马匹造成一定应激反应。因此,实现准确且高效的体尺参数自动测量对于制定蒙古马早期育种计划至关重要。[方法]选择Azure Kinect深度相机获取蒙古马双侧RGB-D数据,以YOLOv8n-pose为基础,通过在C2f模块中引入可变形卷积(Deformable Convolution v2, DCNv2),同时添加洗牌注意力机制(Shuffle Attention, SA)模块和优化损失函数(SCYLLA-IoU Loss, SIoU)的方法,利用余弦退火法动态调整学习率,提出一种名为DSS-YOLO (DCNv2-SA-SIoU-YOLO)的模型用于蒙古马体尺关键点的检测。其次,将RGB图中的二维关键点坐标与深度图中对应深度值相结合,得到关键点三维坐标,并实现蒙古马点云信息的转换。利用直通滤波、随机抽样一致性(Random Sample Consensus, RANSAC)、统计离群值滤波、主成分分析法(Principal Component Analysis, PCA)完成点云处理与分析。最终根据关键点坐标自动计算体高、体斜长、臀高、胸围和臀围5项体尺参数。[结果和讨论] DSS-YOLO的平均关键点检测精度为92.5%;d_(DSS)为7.2个像素;参数量和运算量分别仅为3.48 M和9.1 G。体尺参数自动测量结果与人工测量值相比,各项体尺参数的整体平均绝对误差为3.77 cm;平均相对误差为2.29%。[结论]研究结果可为蒙古马运动性能相关遗传参数的确定提供技术支撑。 展开更多

关键词 蒙古马 体尺测量 卷积神经网络 注意力机制 三维点云处理 yolov8n-pose

在线阅读 下载PDF 职称材料

一种改进的YOLOv8n-AP背部穴位识别模型

10

作者 聂文虎 路光达 +2 位作者 秦转萍 李政 王达斌 《天津职业技术师范大学学报》 2025年第3期28-34,共7页

针对现有穴位识别方法存在目标兼容性弱、定位精度不佳以及部署成本高的问题,提出一种基于YOLOv8npose的改进模型—YOLOv8n-AP。该模型在YOLOv8n-pose基础上引入轻量化ADown下采样模块,减少计算量的同时保留了关键特征信息;结合MLLA(类... 针对现有穴位识别方法存在目标兼容性弱、定位精度不佳以及部署成本高的问题,提出一种基于YOLOv8npose的改进模型—YOLOv8n-AP。该模型在YOLOv8n-pose基础上引入轻量化ADown下采样模块,减少计算量的同时保留了关键特征信息;结合MLLA(类曼巴线性注意力)机制与Faster Block神经网络结构,构建了C2f-Faster-MLLA模块,在保留C2f特征转换与分支处理优势的同时,提高了特征提取精度与效率。实验结果表明:YOLOv8n-AP在穴位识别任务中的平均精度均值(mAP50-95)为86.3%,穴位预测的绝对误差与欧氏距离误差均小于30像素;相较于基线模型YOLOv8n-pose,参数量与浮点运算量分别减少了16%与14%。 展开更多

关键词 yolov8n-pose ADown C2f-Faster-MLLA 穴位识别 轻量化 精度

在线阅读 下载PDF 职称材料

改进YOLOv8n-Pose的形变QR码校正与识别 被引量：1

11

作者 刘云 邹复民 +2 位作者 蔡祈钦 李俊清 钟继雄 《计算机系统应用》 2024年第12期141-152,共12页

针对QR码图像检测过程中因环境复杂性和拍摄角度变化等因素导致QR码读取率低的问题,本文提出一种基于改进YOLOv8n-Pose的形变QR码校正与识别算法.首先,在主干网络引入高效通道注意力机制(efficient channel attention,ECA)模块,该模块... 针对QR码图像检测过程中因环境复杂性和拍摄角度变化等因素导致QR码读取率低的问题,本文提出一种基于改进YOLOv8n-Pose的形变QR码校正与识别算法.首先,在主干网络引入高效通道注意力机制(efficient channel attention,ECA)模块,该模块通过不降维的方式实现跨通道交互,有效提升网络的特征提取能力和检测精度.其次,采用Slim-neck架构重构颈部网络,减少模型的复杂度,提高对不同尺度QR码的检测能力.最后,通过模型检测到的QR码角点,结合逆透视变换对QR码进行校正,并使用ZBar算法进行读取.实验结果表明,在公开的QR码数据集上,改进的算法相比原算法,mAP50和mAP50-95分别提升1.6%和1.1%,模型参数量和模型计算量分别降低6.5%和9.5%,在CPU和GPU上检测速度分别提升0.3 f/s和0.7 f/s,达到14.2 f/s和59.6 f/s,能够高效地满足QR码角点检测需求.此外,在自制的形变QR码数据集上,基于改进YOLOv8n-Pose的QR码识别方法相比单独使用ZBar算法的QR码识别方法,QR码读取率提高23.66%,达到87.41%.该方法仅需拍摄一张照片就可识别所有货物的信息,能够有效提高货物管理的效率. 展开更多

关键词 QR码 关键点预测 yolov8n-pose 注意力机制 定位与校正

在线阅读 下载PDF 职称材料

面向配电网带电作业的轻量化人体姿态估计安全识别研究

12

作者 刘凯 赵慧敏 +4 位作者 吴田 吴晨 万亚旭 李晶 聂伟 《安全与环境学报》 北大核心 2025年第9期3445-3455,共11页

带电作业是电力系统维护和运行中的关键环节,其安全性直接影响到人员的生命安全和设备的可靠性。针对目前配电网带电作业安全监控实时性差、人员行为识别不准确等问题,提出了一种基于轻量化人体姿态估计的配电网带电作业安全监控方法。... 带电作业是电力系统维护和运行中的关键环节,其安全性直接影响到人员的生命安全和设备的可靠性。针对目前配电网带电作业安全监控实时性差、人员行为识别不准确等问题,提出了一种基于轻量化人体姿态估计的配电网带电作业安全监控方法。首先,通过YOLOv8n-Pose模型对带电作业人员同时进行目标检测和人体姿态估计,并引入自适应轻量级自监督(Adaptive Lightweight Self-Supervised,ALSS)模块作为骨干网,优化内存访问以最小化冗余操作并提高速度,同时在空间金字塔快速池化(Spatial Pyramid Pooling-Fast,SPPF)模块加入注意力机制,增强模型对于不同尺度作业人员的池化能力,提升检测精度。其次,通过调整形状损失来改进软交并比(Soft Intersection over Union,SIOU)的损失函数以提升定位精度。最后,由时空图卷积网络(Spatial Temporal Graph Convolutional Networks,ST-GCN)提取时空图的空间姿态与时序信息,运用构建的配电网带电作业数据集进行试验,通过行为分类完成带电作业行为识别。结果表明,该模型在mAP@0.5提升3.4百分点的情况下,模型参数量和计算量分别降低50.5%和51.6%,ST-GCN能有效识别带电作业行为,平均准确率达88.0%,并且最终在Jetson XAVIER NX边缘计算机上顺利完成视频流检测任务测试。 展开更多

关键词 安全工程 姿态估计 yolov8n-pose 时空图卷积网络 安全监护 边缘端

原文传递

面向设备状态安全的融合目标检测方法

13

作者 雷宇 梁志豪 汤瑞欣 《自动化应用》 2025年第14期299-301,共3页

为有效保障电力作业人员的安全,利用辅助验收机器人或现场固定的监控设备进行辅助。基于YOLOv8n-Pose算法对人体姿态进行识别,同时深入分析了现场作业中的违规行为,探讨了各种违规行为的特征,重点研究了违规行为所反映的人员动作机制。... 为有效保障电力作业人员的安全,利用辅助验收机器人或现场固定的监控设备进行辅助。基于YOLOv8n-Pose算法对人体姿态进行识别,同时深入分析了现场作业中的违规行为,探讨了各种违规行为的特征,重点研究了违规行为所反映的人员动作机制。通过收集现场数据集并结合一定量开源数据集,成功检测上述违规行为,并取得显著成效。 展开更多

关键词 电力作业 姿态估计 yolov8n-pose 人员违章行为

在线阅读 下载PDF 职称材料