基于SNSS-YOLO v7的肉牛行为识别方法

肉牛活动过程中所表现出的行为是肉牛健康状况的综合体现,实现肉牛行为的快速准确识别,对肉牛疾病防控、自身发育评估和发情监测等具有重要作用。基于机器视觉的行为识别技术因其无损、快速的特点,已应用在畜禽养殖行为识别中,但现有的基于机器视觉的肉牛行为识别方法通常针对单只牛或单独某个行为开展研究,且存在计算量大等问题。针对上述问题,本文提出了一种基于SNSS-YOLO v7(Slim-Neck&Separated and enhancement attention module&Simplified spatial pyramid pooling-fast-YOLO v7)的肉牛行为识别方法。首先在复杂环境下采集肉牛的爬跨、躺卧、探究、站立、运动、舔砥和互斗7种常见行为图像,构建肉牛行为数据集;其次在YOLO v7颈部采用Slim-Neck结构,以减小模型计算量与参数量;然后在头部引入分离和增强注意力模块(Separated and enhancement attention module, SEAM)增强Neck层输出后的检测效果;最后使用SimSPPF(Simplified ...     

基于AOS的扩展C-V模型及背景填充耦合的单板节子缺陷识别

分析木材单板节子缺陷图像的特点,提出一种基于AOS的扩展C-V模型及背景填充耦合的单板节子缺陷识别算法。首先,对Chan-Vese提出的基于Mumford-Shah模型的水平集图像分割算法进行改进,使分割速度得到提高;其次,用AOS算法改进原模型的差分格式,使得差分格式无条件稳定;最后,结合背景填充技术,使得到的新图像缩减了目标与背景间的特征差别。通过对比试验,表明该分割方法能够快速识别单板单个节子缺陷,充分说明该耦合方法比Chan-Vese方法及其改进方法有更好的分割效果。通过用多水平集作为初始轮廓演化曲线,结果表明该方法也可快速实现对单板多节子缺陷图像的识别,实现对单板节子图像的多目标分割。     

基于改进DeepSORT的群养生猪行为识别与跟踪方法

为改善猪只重叠与遮挡造成的猪只身份编号（Identity,ID）频繁跳变,在YOLO v5s检测算法基础上,提出了改进DeepSORT行为跟踪算法。该算法改进包括两方面：一针对特定场景下猪只数量稳定的特点,改进跟踪算法的轨迹生成与匹配过程,降低ID切换次数,提升跟踪稳定性;二将YOLO v5s检测算法中的行为类别信息引入跟踪算法中,在跟踪中实现准确的猪只行为识别。实验结果表明,在目标检测方面,YOLO v5s的mAP为99.3%,F1值为98.7%。在重识别方面,实验的Top-1准确率达到99.88%。在跟踪方面,改进DeepSORT算法的MOTA为91.9%,IDF1为89.2%,IDS为33;与DeepSORT算法对比,MOTA和IDF1分别提升了1.0、16.9个百分点,IDS下降了83.8%。改进DeepSORT算法在群养环境下能够实现稳定ID的猪只行为跟踪,能够为无接触式的生猪自动监测提供技术支持。     

多目标优化带权评价函数的改进

本文分析了工程设计中多目标优化的内涵。并以此为依据,评析目前常用带权评价函数在使用上存在的问题。进而引用模糊综合评判的方法,提出带权评价函数的改进形式。     

基于YOLO v8n-seg和改进Strongsort的多目标小鼠跟踪方法

多目标小鼠跟踪是小鼠行为分析的基本任务,是研究社交行为的重要方法。针对传统小鼠跟踪方法存在只能跟踪单只小鼠以及对多目标小鼠跟踪需要对小鼠进行标记从而影响小鼠行为等问题,提出了一种基于实例分割网络YOLO v8n-seg和改进Strongsort相结合的多目标小鼠无标记跟踪方法。使用RGB摄像头采集多目标小鼠的日常行为视频,标注小鼠身体部位分割数据集,对数据集进行增强后训练YOLO v8n-seg实例分割网络,经过测试,模型精确率为97.7%,召回率为98.2%,mAP50为99.2%,单幅图像检测时间为3.5ms,实现了对小鼠身体部位准确且快速地分割,可以满足Strongsort多目标跟踪算法的检测要求。针对Strongsort算法在多目标小鼠跟踪中存在的跟踪错误问题,对Strongsort做了两点改进：对匹配流程进行改进,将未匹配上目标的轨迹和未匹配上轨迹的目标按欧氏距离进行再次匹配;对卡尔曼滤波进行改进,将卡尔曼滤波中表示小鼠位置和运动状态的小鼠身体轮廓外接矩形框替换为以小鼠身体轮廓质心为中心、对角线为小鼠体宽的正方形框。经测试,改进后Strongsort算法的ID跳变数为14,MOTA为97.698%,IDF1为85.435%,MOTP为75.858%,与原Strongsort相比,ID跳变数减少88%,MOTA提升3.266个百分点,IDF1提升27.778个百分点,与Deepsort、ByteTrack和Ocsort相比,在MOTA和IDF1上均有显著提升,且ID跳变数大幅降低,结果表明改进Strongsort算法可以提高多目标无标记小鼠跟踪的稳定性和准确性,为小鼠社交行为分析提供了一种新的技术途径。     

不同围护结构材料日光温室的多目标模糊优选

在日光温室设计中既要考虑造价又要考虑综合性能等多项目标。由于日光温室最优结构的评判具有模糊性，采用多目标模糊决策法对辽宁北部3种典型的不同围护结构材料的日光温室进行了优选。结果表明：在跨度7．5m，后坡长度2．0m。后墙高度2．2m，脊高3．5m的高效节能日光温室、土墙钢骨架日光温室及土墙竹木结构日光温室中，高效节能日光温室综合性能表现最优。     

基于RFID木制品物流多目标识别算法的优化

为了提高木制品物流多目标识别效率,选用基于ALOHA的动态帧时隙的防冲突算法,并采用概率学方法对RFID碰撞现象进行分析和仿真试验,设计了智慧的防冲突算法,实现了通过上一次扫描的标签数推算下一次扫描应开设的最优帧长.     

干旱缺水型灌区经济用水模式研究——以宝鸡峡灌区为例

以宝鸡峡灌区为研究对象,在田野调查和总结国内外研究成果基础上,提出了经济用水模式的概念,并从水资源总量控制约束、灌溉节水模式、经济配水模式三个方面对其框架体系进行了研究;在研究过程中,应用定性与定量相结合的方法,建立了基于因子权重法的、目标函数为经济、社会、生态综合效益最大化的宝鸡峡灌区经济用水多目标规划数学模型,并对其进行了计算和分析,得出了灌区水量经济调配模式.该模式在灌区平水年(P=50%)缺水量为0.0398×10~8 m~3,可节约用水0.3972×10~8 m~3;枯水年(P=75%)灌溉缺水量为3.2858×10~8 m~3,可节约用水3.2035×10~8 m~3.与灌区历史灌溉数据比较,该模式吻合率高,适用性强.     

渭河流域水安全诊断与对策研究

针对渭河流域水系统存在的安全问题,研究了渭河流域水系统危机及诱发和传播的过程,探讨了渭河流域水系统危机的关键诱发因子,并研究了诸诱发因子的相互作用,筛选了渭河流域水系统安全的影响因素,在此基础上建立了渭河水安全指标体系及多层次多目标模糊综合评价模型,提出了基于欧氏距离的安全多目标评价方法。在对各单项目标安全评价的基础上进行了渭河流域水系统的安全诊断,评价结果表明,渭河流域水系统极不安全,水资源短缺是导致渭河流域水系统不安全的主要原因。文章基于安全诊断结果提出了一套提高渭河水安全的对策。     

基于改进ByteTrack算法的群养生猪行为识别与跟踪技术

群养生猪行为的识别与跟踪是智能养殖中监测猪只健康的关键技术。为在猪只重叠与遮挡复杂场景中,实现群养生猪行为识别与稳定跟踪,提出了改进ByteTrack算法。首先,采用YOLOX-X目标检测器实现群养生猪检测,然后,提出改进ByteTrack多目标跟踪算法。该算法改进包括：设计并实现BYTE数据关联的轨迹插值后处理策略,降低遮挡造成的IDs错误变换,稳定跟踪性能;设计适合群养生猪的检测锚框,将YOLOX-X检测算法中的行为类别信息引入跟踪算法中,实现群养生猪行为跟踪。改进ByteTrack算法的MOTA为96.1%,IDF1为94.5%,IDs为9,MOTP为0.189;与ByteTrack、DeepSORT和JDE方法相比,在MOTA与IDF1上均具有显著提升,并有效减少了IDs。改进ByteTrack算法在群养环境下能实现稳定ID的猪只行为跟踪,能够为无接触式自动监测生猪提供技术支持。