基于 Soft-NMS 改进 Yolov8 算法的奶牛识别

刘 潇阳, 韩 泽宇, 闫 艺菲, 杨 济嘉, 张 佳欣
中国农业大学

摘要

目前，人工只能和物联网技术正广泛应用在农业领域，中国智慧农业正稳步发展。计算机视觉技术的引入，使农
场等动物识别正逐渐摆脱传统监控系统对传感器的依赖。而密集场景下的动物识别具有空间小、数量多、个体体积大、遮
挡和粘连问题严重等特点，使得在动物群体中准确地识别出每一只禽畜成为一个难点。本文使用 YOLOv8 模型实现奶牛识
别，并使用 Soft-NMS 算法替代传统非极大抑制算法。通过对比，解决了大体积动物存在严重遮挡情况下的个体识别，为
下一阶段的动物行为识别作好铺垫。

关键词

目标检测；非极大抑制算法；Yolo。

参考

[1] 基于机器视觉的奶牛身体区域检测与典型行为分类

方法 _ 郭阳阳 .pdf[J].

[2] 基于多目标跟踪的群养猪进食行为识别方法研究 _

冯策 .pdf[J].

[3]WANG R, GAO R, LI Q, et al. A lightweight cow mounting

behavior recognition system based on improved YOLOv5s[J].

[4]BODLA N, SINGH B, CHELLAPPA R, et al. SoftNMS — Improving Object Detection with One Line of Code[C/

OL]//2017 IEEE International Conference on Computer Vision

(ICCV), Venice. 2017. http://dx.doi.org/10.1109/iccv.2017.593.

DOI:10.1109/iccv.2017.593.