摘要:奶牛體況評分是評價(jià)奶牛產(chǎn)能與體態(tài)健康的重要指標(biāo),。目前,,隨著現(xiàn)代化牧場的發(fā)展,智能檢測技術(shù)已被應(yīng)用于奶牛精準(zhǔn)養(yǎng)殖中,。針對目前檢測算法的參數(shù)量多,、計(jì)算量大等問題,以YOLO v5s為基礎(chǔ),,提出了一種改進(jìn)的輕量級奶牛體況評分模型(YOLO-MCE),。首先,通過2D攝像機(jī)在奶牛擠奶通道處采集奶牛尾部圖像并構(gòu)建奶牛BCS數(shù)據(jù)集,。其次,,在MobileNetV3網(wǎng)絡(luò)中融入坐標(biāo)注意力機(jī)制(Coordinate attention,CA)構(gòu)建M3CA網(wǎng)絡(luò),。將YOLO v5s的主干網(wǎng)絡(luò)替換為M3CA網(wǎng)絡(luò),,在降低模型復(fù)雜度的同時(shí),,使得網(wǎng)絡(luò)特征提取時(shí)更關(guān)注于牛尾區(qū)域的位置和空間信息,從而提高了運(yùn)動(dòng)模糊場景下的檢測精度,。YOLO v5s預(yù)測層采用EIoU Loss損失函數(shù),優(yōu)化了目標(biāo)邊界框回歸收斂速度,,生成定位精準(zhǔn)的預(yù)測邊界框,,進(jìn)而提高了模型檢測精度。試驗(yàn)結(jié)果表明,,改進(jìn)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(jì)算量為2.0×109,,模型內(nèi)存占用量僅為2.28MB。相較原始YOLO v5s模型,,其計(jì)算量降低87.3%,,模型內(nèi)存占用量減少83.4%,在保證模型復(fù)雜度較低與實(shí)時(shí)性較高的情況下,,實(shí)現(xiàn)了奶牛體況的高效評分,。此外,改進(jìn)的YOLO v5s模型的整體性能優(yōu)于Faster R-CNN,、SDD和YOLO v3目標(biāo)檢測模型,。本研究為奶牛體況評分商業(yè)化提供理論基礎(chǔ)和研究思路,為奶牛養(yǎng)殖業(yè)提供了智能化解決方案,。