轻量级卷积神经网络在奶牛体况评分中的应用

作     者：程灿 冯涛 黄小平 郭阳阳 梁栋 史道玲 CHENG Can;FENG Tao;HUANG Xiaoping;GUO Yangyang;LIANG Dong;SHI Daoling

作者机构：安徽大学互联网学院合肥230039 安徽新华学院电子通信工程学院合肥230088 

出 版 物：《华中农业大学学报》 (Journal of Huazhong Agricultural University)

年 卷 期：2024年第43卷第1期

页      面：249-257页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：安徽省教育厅自然科学基金项目(KJ2021A0024) 

主　　题：体况评分 ShuffleNet-v2网络 注意力机制 智慧养殖 轻量级 激活函数 

摘      要：为对奶牛体况信息进行高效地实时监测以便满足商业化的需求,提出一种改进轻量级注意力机制网络模型(Shuffle-ECANet)。首先,针对8972幅含有奶牛尾部的图像样本,通过专家对奶牛体况进行人工评分,并构建数据集;然后以轻量级ShuffleNet-v21×网络为基础,在特征提取过程中引入高效的通道注意力模块,强化网络对奶牛体况特征的提取能力。此外,采用H-Swish激活函数,避免神经元坏死现象;最后通过进一步精简网络结构得到Shuffle-ECANet网络模型。结果显示,Shuffle-ECANet模型针对各类别奶牛的识别准确率为97%以上,且在体况评分(body condition scoring,BCS)误差分别为0、≤0.25和≤0.5的体况评价结果中,Shuffle-ECANet模型均优于EfficientNet-v1、MobileNet-v3、ShuffleNet-v21×和ResNet34等模型,证明本研究方法的有效性。