YOLOv8-v13 精密畜産におけるインテリジェントなリアルタイム牛モニタリングとデータ駆動型農場管理のためのアーキテクチャのベンチマーク

Zhixiong Wu; Zenghua Zhang; Liyuan Chen; Yongqiang Xiao; Yifang Gao; Tianxiang Huang

doi:10.3791/69490

このコンテンツを表示するには、JoVEへの購読が必要です。または、無料トライアルをお申し込みください。

方法論記事

YOLOv8-v13 精密畜産におけるインテリジェントなリアルタイム牛モニタリングとデータ駆動型農場管理のためのアーキテクチャのベンチマーク

1.1K 回視聴

⸱

DOI:

10.3791/69490

⸱

2025年11月14日

Zhixiong Wu¹ , Zenghua Zhang¹ , Liyuan Chen² , Yongqiang Xiao¹ , Yifang Gao³ , Tianxiang Huang⁴

¹School of Economics and Management, Quanzhou Ocean Institute, ²School of Electronic and Electrical Engineering, Minnan University of Science and Technology, ³School of Electrical and Electronic Engineering, Universiti Sains Malaysia, ⁴School of Information Engineering, Quanzhou Ocean Institute

この記事について

サマリー

このプロトコルは、福祉と農場管理の最適化をサポートするために、リアルタイムの牛の行動検出のために6つのYOLOモデルをベンチマークします。

要約

リアルタイムかつ正確な牛の行動検出は、動物福祉を改善し、家畜管理を最適化するために非常に重要です。これに対処するため、本研究では、カスタムCBVD-5データセットを用いて、5つの主要な牛の行動(立っている、横たわる、採餌する、飲む、反芻する)を認識するために、コミュニティが開発した6つの軽量YOLO(You Only Look Once)モデル(YOLOv8n、YOLOv9t、YOLOv10n、YOLOv10n、YOLOv11n、YOLOv12n、YOLOv13n)を総合的に評価した。データセットには、現実世界の監視シナリオを反映する多様な照明条件と自然の納屋環境が含まれています。すべてのモデルは、標準的なオブジェクト検出メトリック (精度、再現率、mAP@50、mAP@50-95) と、推論時間、フレーム/秒 (FPS)、モデルサイズ、トレーニング期間などの展開指向の指標を使用して評価され、精度と効率のバランスの取れた評価が提供されました。YOLOv13nは最高のmAP@50-95(0.712)を達成し、YOLOv11nは最高のmAP@50(0.967)に達し、検出精度と推論速度のトレードオフが良好で安定した収束を示しました。YOLOv10n は最速の推論速度(1.2ミリ秒/フレーム、~833 FPS)を示し、継続的な納屋監視などレイテンシーに敏感なアプリケーションに適しています。すべてのモデルは、6MB未満のコンパクトなサイズと~300FPSを超えるリアルタイムスループットを維持し、エッジ展開の実用性を確認しました。この結果は、最新のYOLOバリアントを評価するための再現性のあるベンチマークフレームワークを確立し、効率的でスケーラブルで福祉志向の家畜モニタリングシステムのモデル選択に関する洞察を提供します。

概要

牛の行動の効率的な監視は、精密畜産に不可欠であり、福祉管理、病気の検出、運用の最適化をサポートします。非侵襲的な視覚ベースのアプローチは、その拡張性と多用途性により特に有望です。CBVD-5 (5 クラスの牛の行動ビデオデータセット) などの標準化されたデータセットは、さまざまな照明条件にわたって多様な行動注釈を提供するため、この領域¹ における貴重なベンチマークとなります。ほとんどの実用的な農場環境では、カメラは比較的安定した照明で適度な高さに固定されますが、牛の遮蔽が時折検出性能に影響を与える可能性があります。家畜の行動認識は、オクルージョン、動きのばらつき、まばらなトレーニングデータなどの課題に直面し続けています。これらの課題に対処するために、これまでの研究では、センサーベースのアプローチ²、画像パターンモデリング³、およびアンサンブルディープラーニング戦略⁴が検討されてきました。Redmonら5によって最初に導入されたYOLO(You Only Look Once)や、そのより高度なバージョンYOLOv7 ⁶のような物体検出フレームワークは、検出精度、レイテンシー、計算効....