CF-YOLO：一种基于YOLOv8n的犊牛饲喂场景多目标检测模型

【作者】 郑姚龙； 杜伟； 杨术明； 李进海； 马伏龙； 王昱潭； 王金瑞； 李茂强； 陈云； 马永龙； 高德华；

【机构】 宁夏大学机械工程学院； 北方民族大学机电工程学院；

【摘要】 犊牛饲喂环境的多目标检测是犊牛智能饲喂机器人实现精准饲喂基础。本研究针对传统视觉检测方法在复杂背景下存在的犊牛目标被栅栏遮挡时检测精度不高、模型泛化能力不足等问题,提出了一种基于改进YOLOv8的轻量级多目标检测模型Calf-Feeding YOLO(CF-YOLO)。该方法改进了YOLOv8n的骨干网络部分,为了减少模型的大小,采用GhostConv卷积模块来降低模型的复杂度,此外,通过添加自注意力模块和双向特征金字塔来增强犊牛被遮挡时的特征提取能力。在犊牛饲喂场景多目标检测数据集上进行的实验表明,所提出的CF-YOLO模型在多目标检测数据集上的mAP达到了98.6%,平均召回率和平均检测精度分别达到了95.7%和95.9%,分别比原始算法提高了1.4%、0.6%和1.1%,模型大小减少了3.2%,实时检测帧率达到了132帧。本研究构建了一种犊牛饲喂场景下的多目标检测方法,为犊牛岛式饲养模式下的自主精准饲喂奠定基础,进一步提高奶牛场精准饲喂向智能化和高效化水平。更多还原