Un método de seguimiento de video a largo plazo para cerdos alojados en grupo
Autores: Yang, Qiumei; Hui, Xiangyang; Huang, Yigui; Chen, Miaobin; Huang, Senpeng; Xiao, Deqin
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Un método de seguimiento de video a largo plazo para cerdos alojados en grupo
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Zootecnia
Palabras clave
Seguimiento de cerdos
Seguimiento de video a largo plazo
StrongSORT
Red de detección de cerdos
YOLO v7-tiny_Cerdo
Gestión de trayectorias
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 8
Citaciones: Sin citaciones
El seguimiento de cerdos proporciona un fuerte apoyo para la gestión refinada en granjas de cerdos. Sin embargo, el seguimiento continuo y prolongado de múltiples cerdos sigue siendo extremadamente desafiante debido a la oclusión, la distorsión y el desenfoque de movimiento en escenarios agrícolas reales. Este estudio propone un método de seguimiento de video a largo plazo para cerdos alojados en grupo basado en un StrongSORT mejorado, que puede mejorar significativamente el rendimiento del seguimiento de cerdos en escenarios de producción. Además, esta investigación construye un conjunto de datos de video de seguimiento de cerdos de 24 horas, proporcionando una base para explorar la efectividad de los algoritmos de seguimiento a largo plazo. Para la detección de objetos, se propone una red de detección de cerdos ligera, YOLO v7-tiny_Pig, mejorada a partir de YOLO v7-tiny, para reducir los parámetros del modelo y mejorar la velocidad de detección. Para abordar el problema de asociación de objetivos, se optimiza el método de gestión de trayectorias de StrongSORT de acuerdo con las características de la tarea de seguimiento de cerdos para reducir el cambio de identidad (ID) de seguimiento y mejorar la estabilidad del algoritmo. Los resultados experimentales muestran que YOLO v7-tiny_Pig asegura la aplicabilidad de la detección mientras reduce los parámetros en un 36.7% en comparación con YOLO v7-tiny y logra una velocidad de detección de video promedio de 435 fotogramas por segundo. En términos de seguimiento de cerdos, la Precisión de Seguimiento de Orden Superior (HOTA), la Precisión de Seguimiento de Múltiples Objetos (MOTP) y las puntuaciones de Identificación F1 (IDF1) alcanzan el 83.16%, el 97.6% y el 91.42%, respectivamente. En comparación con el algoritmo StrongSORT original, HOTA e IDF1 mejoran en un 6.19% y un 10.89%, respectivamente, y el Cambio de Identidad (IDSW) se reduce en un 69%. Nuestro algoritmo puede lograr el seguimiento continuo de cerdos en escenarios reales durante hasta 24 horas. Este método proporciona apoyo técnico para el monitoreo automático de cerdos sin contacto.
Descripción
El seguimiento de cerdos proporciona un fuerte apoyo para la gestión refinada en granjas de cerdos. Sin embargo, el seguimiento continuo y prolongado de múltiples cerdos sigue siendo extremadamente desafiante debido a la oclusión, la distorsión y el desenfoque de movimiento en escenarios agrícolas reales. Este estudio propone un método de seguimiento de video a largo plazo para cerdos alojados en grupo basado en un StrongSORT mejorado, que puede mejorar significativamente el rendimiento del seguimiento de cerdos en escenarios de producción. Además, esta investigación construye un conjunto de datos de video de seguimiento de cerdos de 24 horas, proporcionando una base para explorar la efectividad de los algoritmos de seguimiento a largo plazo. Para la detección de objetos, se propone una red de detección de cerdos ligera, YOLO v7-tiny_Pig, mejorada a partir de YOLO v7-tiny, para reducir los parámetros del modelo y mejorar la velocidad de detección. Para abordar el problema de asociación de objetivos, se optimiza el método de gestión de trayectorias de StrongSORT de acuerdo con las características de la tarea de seguimiento de cerdos para reducir el cambio de identidad (ID) de seguimiento y mejorar la estabilidad del algoritmo. Los resultados experimentales muestran que YOLO v7-tiny_Pig asegura la aplicabilidad de la detección mientras reduce los parámetros en un 36.7% en comparación con YOLO v7-tiny y logra una velocidad de detección de video promedio de 435 fotogramas por segundo. En términos de seguimiento de cerdos, la Precisión de Seguimiento de Orden Superior (HOTA), la Precisión de Seguimiento de Múltiples Objetos (MOTP) y las puntuaciones de Identificación F1 (IDF1) alcanzan el 83.16%, el 97.6% y el 91.42%, respectivamente. En comparación con el algoritmo StrongSORT original, HOTA e IDF1 mejoran en un 6.19% y un 10.89%, respectivamente, y el Cambio de Identidad (IDSW) se reduce en un 69%. Nuestro algoritmo puede lograr el seguimiento continuo de cerdos en escenarios reales durante hasta 24 horas. Este método proporciona apoyo técnico para el monitoreo automático de cerdos sin contacto.