Page 45 - 《华中农业大学学报》2025年第2期
P. 45

第44卷 第2期                          华  中   农   业  大   学  学   报                        Vol.44    No.2
               2025年    3月                   Journal  of  Huazhong  Agricultural  University    Mar. 2025，39~48

               胡立俊，李旭，李国亮.基于改进YOLOv8n的安格斯牛面部识别［J］.华中农业大学学报，2025，44（2）：39‐48.
               DOI：10.13300/j.cnki.hnlkxb.2025.02.005

                               基于改进YOLOv8n的安格斯牛面部识别


                                                胡立俊 ，李旭 ，李国亮                2
                                                                 1
                                                         1
                               1.塔里木绿洲农业教育部重点实验室/塔里木大学信息工程学院，阿拉尔 510642；
                                2.农业农村部智慧农业技术重点实验室/华中农业大学信息学院，武汉 430070

                       摘要  为解决安格斯牛独特的黑色毛发导致其面部特征区分困难的问题，采用基于 YOLOv8n 的改进方
                   法，实现圈养环境中的安格斯牛准确、非接触式的面部识别。首先构建了一个包含 200 头安格斯牛在不同生长
                   阶段的 11 000张面部图像的数据集；其次，引入创新的增强感受野特征融合模块，该模块增强了模型对关键特征
                   的关注；再次，设计了新型轻量化检测头 LPCDH，用于安格斯牛的面部特征识别；最后，采用组泰勒剪枝方法，
                   通过估计神经元的重要性剪除不重要的神经元，从而减少计算成本和内存占用，提升模型的部署效率。试验结
                   果显示，改进后的模型平均识别准确率达到 92.6%。与常用的 SSD、YOLOv5n、YOLOv8s、YOLOv8m、YO‐
                   LOv9t、YOLOv10n、RT-Detr 和 Mamba-YOLO 模型相比，准确率分别提高了 11.5、3.8、1.8、1.9、5.1、3.9、3.7 和
                   2.4 百分点。与原始 YOLOv8n 模型相比，所设计模型在 4 折交叉验证中的准确率平均提高了 3.1 百分点。结果
                   表明，该模型在内存消耗和计算需求方面实现了轻量化，特别适合在移动端和实际应用中的实时识别，可显著提
                   高安格斯牛面部识别的准确率和效率。
                       关键词  安格斯牛； YOLOv8n； 剪枝； 牛只识别； 面部检测模型
                       中图分类号  S858.23 ； TP391.41    文献标识码  A    文章编号  1000-2421（2025）02-0039-10


                   安格斯牛是一种因其高品质牛肉而广泛饲养的                         mobilenet 与加性角度边缘损失（ArcFace），开发了
               牛种。随着对优质肉类的市场需求持续增长，安格                           CattleFaceNet，实现了对荷斯坦奶牛的高精度面部
               斯牛的养殖规模也在不断扩大              ［1-2］ 。为提高养殖效         识别。Weng 等    ［11］ 提出了 1 种基于双分支卷积神经
               率和肉类品质，畜牧业不断寻求人工智能技术的创                           网络（TB-CNN）的牛只面部检测模型，通过分别输
               新和应用，特别是在牛的面部识别技术应用方面，以                          入不同角度的牛脸图像进行特征提取，融合特征后
               提升管理的精准性和效率           ［2-3］ 。                    结合全局平均池化与分类器，实现个体牛只的精准
                   尽管耳标和烙印等传统的牛只识别方法已被广                         识别。Zheng 等   ［12］ 使用 YOLOv7 在复杂环境中识别
               泛使用，但这些方法可能对动物造成身体伤害，且其                          荷斯坦奶牛，采用 ACmix模块增强模型注意力，并通
               有效性会随着时间的推移而降低。因此，开发一种                           过改进的轻量级 SPPCSPC-L 模块降低复杂度。此
               既经济又人道的识别方法至关重要。由于图像采集                           外，改进的卡尔曼滤波器通过直接预测跟踪框的宽
               设备成本低且易于使用，国内外许多研究人员已开                           高，优化了 ByteTrack 算法，实现更精确的跟踪与
               始将目标识别方法（如 SSD 和 YOLO）应用于牲畜和                     匹配 ［13］ 。
               家 禽 的 个 体 识 别 研 究 中    ［4-6］ 。 如 Huang 等 ［2］ 结 合     目前，常用的目标检测技术如 SSD 和 YOLO 系
               SSD 与密集连接卷积网络和 Inception-v4 进行奶牛                 列已被应用于动物识别中           ［14-15］ ，虽然大部分研究集
               体况评分，减少识别信息损失和网络参数。同时，采                          中在猪和奶牛等牲畜上，但针对安格斯牛的研究较
               用改进的卡尔曼滤波器和匈牙利滤波器消除误差， 少。尽管这些技术已成熟，但在保持高精度的同时
               提高准确性     ［7-9］ 。Xu 等 ［10］ 结合轻量级的 RetinaFace-    如何简化模型结构以适应资源有限的农业环境仍是


               收稿日期： 2024 ‐ 07 ‐ 16
               基金项目：华中农业大学农业农村部智慧农业技术重点实验室开放项目（KLSFTAA-KF004）；绿洲生态农业兵团重点实验室开放项目
                      （202002）
               胡立俊，E-mail：15054185693@163.com
               通信作者： 李旭，E-mail：19590146023@163.com；李国亮，E-mail：15703411873@163.com
   40   41   42   43   44   45   46   47   48   49   50