来源：期刊VIP网 时间：
作者：王鲁;朱永泉;王韵;刘瑞麟;唐辉;
单位：山东农业大学信息科学与工程学院;山东农业大学动物科技学院;
摘要：养猪业是我国农业领域的重要组成部分，近年来规模化养殖场发展迅速。生猪姿态改变往往预示着健康状况变化或疾病发生，因此，实时监测生猪姿态可以帮助养殖户掌握猪只生长发育和健康状况，及时调整养殖方案或采取疾病防治措施，从而提高养殖效益并保障最终的猪肉产品质量，同时还可为生猪养殖产业分析研究提供数据支持。传统的监测方法主要依靠养殖户不定期的肉眼观察，耗时费力且无法满足实时需求，不适合规模化养殖场使用。计算机视觉技术的发展为实现生猪姿态的实时监测提供了技术手段。本研究基于YOLOv8s模型进行改进，提出一种生猪姿态识别模型RMAK-YOLOv8s。主要从三个方面进行改进：一是通过结构重参数化改进主干网络的C2f模块，实现隐式特征复用，达到模型轻量化及检测速度提高的目的；二是添加多尺度卷积注意力机制，用于捕捉多尺度特征图，加强有效特征的权重比例；三是使用可变核卷积代替标准卷积，获得更有效的特征信息，为平衡网络开销和性能提供更多选择。实验结果表明，与原始模型YOLOv8s相比，RMAK-YOLOv8s的参数量减少10.77%,计算量减少5.23%,平均精度均值mAP@0.5、mAP@0.5∶0.95分别达到93.7%、78.5%,分别提高1.7、1.3个百分点，能精确识别生猪姿态，可为实时监测生猪姿态及后续行为分析和健康管理等提供技术支撑。
关键词：生猪姿态识别;;YOLOv8s;;结构重参数化;;多尺度卷积注意力;;可变核卷积
基金资助：山东省重点研发计划(重大科技创新工程)项目(2022LZGC003);; 山东省自然科学基金面上项目(ZR2023MA011)
