来源：期刊VIP网 时间：
作者：邓红涛;张帅龙;高峰;翟玉洁;张舟;吴妍妍;张文举;
单位：石河子大学机械电气工程学院;石河子大学师范学院;石河子市北泉镇天潞庄养牛专业合作社;石河子大学动物科技学院;
摘要：奶牛的姿态行为与其健康状态密切相关，针对传统人工监测方法存在效率低、漏查率高的问题，提出一种改进YOLOv8的奶牛姿态估计模型YOLO-SW(YOLOv8-Swin Transformer WIoU),并结合时序统计方法实现奶牛行为的自动识别。首先，YOLO-SW模型在Backbone主干网络部分融入Swin Transformer模块提取特征，运用其下采样层级设计的移位窗口机制，逐渐增大感受野，显著提升模型对奶牛全局特征信息的提取能力；其次，针对模型原始损失函数收敛率较低的问题，使用边界框回归损失函数Wise-IoU替换CIoU,利用离群度替代IoU对锚框进行质量评估，提出了更合适的梯度增益分配策略，从而更有效地提高模型的收敛速度和识别性能。实验结果显示：YOLO-SW模型的mAP50指标达到97.7%,mAP50:90指标达到83.8%;在视频行为识别中，按时序将奶牛行为视频帧输入模型，再采用均值滤波统计算法，结果显示：YOLOv8平均精度值为86.84%,YOLO-SW平均精度达到90.74%。表明YOLO-SW模型在奶牛行为识别分析的精准度方面具有优势，可为奶牛疾病预防及健康监测提供技术支持，在行为识别领域有广泛的应用前景。
关键词：YOLOv8;奶牛行为识别;特征提取;Swin Transformer;WIoU
基金资助：新疆生产建设兵团重大科技项目(2021AA004); 石河子大学科研能力提升项目(KX01230305)
