摘要:奶牛體況評分是評價奶牛產(chǎn)能與體態(tài)健康的重要指標,。目前,,隨著現(xiàn)代化牧場的發(fā)展,,智能檢測技術已被應用于奶牛精準養(yǎng)殖中,。針對目前檢測算法的參數(shù)量多、計算量大等問題,,以YOLO v5s為基礎,,提出了一種改進的輕量級奶牛體況評分模型(YOLO-MCE)。首先,,通過2D攝像機在奶牛擠奶通道處采集奶牛尾部圖像并構建奶牛BCS數(shù)據(jù)集,。其次,在MobileNetV3網(wǎng)絡中融入坐標注意力機制(Coordinate attention,,CA)構建M3CA網(wǎng)絡,。將YOLO v5s的主干網(wǎng)絡替換為M3CA網(wǎng)絡,在降低模型復雜度的同時,,使得網(wǎng)絡特征提取時更關注于牛尾區(qū)域的位置和空間信息,,從而提高了運動模糊場景下的檢測精度。YOLO v5s預測層采用EIoU Loss損失函數(shù),,優(yōu)化了目標邊界框回歸收斂速度,,生成定位精準的預測邊界框,進而提高了模型檢測精度,。試驗結果表明,,改進的YOLO v5s模型的檢測精度為93.4%,召回率為85.5%,,[email protected]為91.4%,,計算量為2.0×109,模型內存占用量僅為2.28MB,。相較原始YOLO v5s模型,,其計算量降低87.3%,模型內存占用量減少83.4%,,在保證模型復雜度較低與實時性較高的情況下,,實現(xiàn)了奶牛體況的高效評分。此外,,改進的YOLO v5s模型的整體性能優(yōu)于Faster R-CNN,、SDD和YOLO v3目標檢測模型。本研究為奶牛體況評分商業(yè)化提供理論基礎和研究思路,,為奶牛養(yǎng)殖業(yè)提供了智能化解決方案,。