YOLOX와 OC-SORT 기반의 효율적인 소 행동 인식을 통한 승가 운동 감지시스템
A climbing movement detection system through efficient cow behavior recognition based on YOLOX and OC-SORT
2
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구에서는 YOLOX와 OC-SORT를 기반으로 한 소 행동 인식시스템을 제시하였다. YOLOX는 실시간으로 목표를 감지하고 소의 위치와 행동 정보를 제공한다. OC-SORT 모듈은 비디오에서 소를 추적하고 고유 ID를 할당하는 역할을 한다. 양적 분석 모듈은 소의 행동과 위치 정보를 분석한다. 실험 결과, 우리의 시스템은 목표 감지와 추적에서 높은 정확도와 정밀도를 보여주었다. YOLOX의 평균 정확도(AP)는 82.2%, 평균 재현율(AR)는 85.5%, 매개변수 양은 54.15M, 계산량은 194.16GFLOP이었다. OC-SORT는 복잡한 환경과 가림막 상황에서도 높은 정밀도의 실시간 목표 추적을 유지할 수 있었다. 소의 운동 변화와 승가행동의 빈도를 분석함으로써, 제안 시스템은 소의 발정 행동을 더 정확하게 판별하는데 도움을 줄 수 있다.
Abstract
In this study, we propose a cow behavior recognition system based on YOLOX and OC-SORT. YOLOX detects targets in real-time and provides information on cow location and behavior. The OC-SORT module tracks cows in the video and assigns unique IDs. The quantitative analysis module analyzes the behavior and location information of cows. Experimental results show that our system demonstrates high accuracy and precision in target detection and tracking. The average precision (AP) of YOLOX was 82.2%, the average recall (AR) was 85.5%, the number of parameters was 54.15M, and the computation was 194.16GFLOPs. OC-SORT was able to maintain high-precision real-time target tracking in complex environments and occlusion situations. By analyzing changes in cow movement and frequency of mounting behavior, our system can help more accurately discern the estrus behavior of cows.
참고문헌 (20)
- 정지성, "클라우드 컴퓨팅기반 가축 질병 예찰및 스마트 축사 통합 관제 시스템", 스마트미디어저널, 8(3), pp.88~94 (2019), (사)한국스마트미디어학회[DOI]
- 김남호, "디지털트윈 기반 가축질병 예방을 지원하는 스마트축산 플랫폼", 2022 Conference of KISM, 11(1), pp.287~288 (2022)
- 이준환, "지능형 관제시스템을 위한 딥러닝 기반의 다중 객체 분류 및 추적에 관한 연구", 스마트미디어저널, 12(5), pp.73~80 (2023), (사)한국스마트미디어학회[DOI]
- 박종빈, "계층적 레이블링과 시공간 딥러닝 모델을 이용한 영상 기반 가축 행동 인식", 박사, pp.2021
- KISTEP 기술동향브리프 스마트농업, "유거송", 한국과학기술기획평가원, ~, pp.한국과학기술기획평가원, 03호 (2021)
- E. Vasseur, "Animal behavior and well-being symposium : Optimizing outcome measures of welfare in dairy cattle assessment", Journal of Animal Science, 95(3), pp.1365~1371 (2017)
- J. Wang, "Cow movement behavior classification based on optimal binary decision-tree classification model", Trans. Chin. Soc. Agric. Eng, 34(18), pp.202~210 (2018)
- A. Nasirahmadi, "A new approach for categorizing pig lying behaviour based on a Delaunay triangulation method", Animal, 11(1), pp.131~139 (2017)
- Y. Peng, "Classification of multiple cattle behavior patterns using a recurrent neural network with long short-term memory and inertial measurement units", Computers and Electronics in Agriculture, 157, pp.247~253 (2019)
- A. Nasirahmadi, "Implementation of machine vision for detecting behaviour of cattle and pigs", Livestock Science, 202, pp.25~38 (2017)
- K. Wang, "Application of image information technology in dairy cow production", Chinese Journal of Animal Nutrition, 33(20), pp.197~209 (2017)
- K. Pasupa, "A comparative study of automatic dairy cow detection using image processing techniques", Artif. Life Robot, 20(4), pp.320~326 (2015)
- A. Bochkovskiy, "Yolov4 : Optimal speed and accuracy of object detection" (2020)
- "Detectron2" (2019)[URL]
- S. Ayadi, "Dairy cow rumination detection : A deep learning approach", DiCES-N 2020: Distributed Computing for Emerging Smart Networks: Second International Workshop, pp.123~139 (2020)
- X. Kang, "Accurate detection of lameness in dairy cattle with computer vision : A new and individualized detection strategy based on the analysis of the supporting phase", Journal of dairy science, 103(11), pp.10628~10638 (2020)
- S. Chowdhury, "Deep learning based computer vision technique for automatic heat detection in cows", 2016 International Conference on Digital Image Computing: Techniques and Applications (DICTA), pp.1~6 (2016)
- J.Q. Gu, "Cow behavior recognition based on image analysis and activities", International Journal of Agricultural and Biological Engineering, 10(3), pp.165~174 (2017)
- 허의주, "Real-Time Cattle Action Recognition for Estrus Detection", KSII Transactions on Internet and Information Systems, 13(4), pp.2148~2161 (2019), 한국인터넷정보학회
- S.M. Noe, "Automatic detection and tracking of mounting behavior in cattle using a deep learning-based instance segmentation model", Int. J. Innov. Comput. Inf. Control, 18(1), pp.211~220 (2022)