news 2026/9/28 4:35:57

养牛场牛行为识别数据集 | 牛行为识别 智慧畜牧 动物福利 发情检测 多类别检测9116期

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
养牛场牛行为识别数据集 | 牛行为识别 智慧畜牧 动物福利 发情检测 多类别检测9116期

养牛场牛行为识别数据集 | 牛行为识别 智慧畜牧 动物福利 发情检测 多类别检测9116期

数据集概述

本数据集专注于真实养殖场景下牛只多类行为的视觉识别,服务于智慧畜牧、动物福利评估及牧场精细化管理。数据覆盖四季不同光照与室内外多种环境,涵盖10类典型行为动作,适配行为监测、健康预警及管理决策等应用。

数据集核心信息

数据要素详细说明
类别共10类:饮水、行走、采食、站立、觅食、躺卧、排泄、打斗、跑动、爬跨
数量3218张图像,11318个标注框
格式图像为 JPG/PNG;同时提供YOLO(txt)与PASCAL VOC(xml)两种标注格式
数据划分训练集2047张,验证集877张,测试集294张
应用价值1.行为监测:实时识别牛只饮水、采食、躺卧、打斗等行为,评估牛群活动规律与福利水平。
2.健康预警:通过行为异常(如采食减少、躺卧过长、爬跨频繁)早期发现疾病或发情状态。
3.牧场管理:为饲喂优化、放牧规划、繁殖管理及畜舍环境调控提供数据支持。
4.算法研发:为动物行为识别、多类别目标检测等视觉任务提供真实场景的训练与评测数据。

完整类别列表(共10类)

序号中文类别名称行为类型说明
1饮水牛只饮水行为
2行走牛只行走移动
3采食牛只采食饲料
4站立牛只站立休息或警戒
5觅食牛只寻找食物
6躺卧牛只躺卧反刍或休息
7排泄牛只排泄行为
8打斗牛只之间对抗冲突
9跑动牛只快速奔跑
10爬跨牛只爬跨行为(常用于发情检测)

数据三要素解析

类别与行为覆盖

  • 数据集定义10类牛只典型行为,覆盖摄食类(饮水、采食、觅食)、活动类(行走、站立、躺卧、跑动)、生理类(排泄、爬跨)及社交类(打斗)。
  • 爬跨行为的标注对发情检测具有重要价值,可辅助繁殖管理。
  • 打斗行为可用于动物福利评估,及时识别群体冲突。
  • 类别设置全面,涵盖牛只日常行为的主要类型,具有较强的专业性与实用性。

数据规模与采集

  • 图像总量约3218张,标注框总数达11318个,平均每张图像约含3.5个目标,属于较密集的标注场景。
  • 数据采集自真实农场实景,覆盖四季不同光照、室内外多种环境,场景多样性丰富,有助于提升模型泛化能力。
  • 数据按约64:27:9比例划分为训练集(2047张)、验证集(877张)与测试集(294张),划分规范。

格式与配套资源

  • 同时提供YOLO与PASCAL VOC双格式标注,无需额外转换即可适配不同算法框架。
  • YOLO 格式文件已整理完毕,到手可直接用于模型训练。
  • 附赠两套完整训练完成的 YOLOv8 检测模型:
    • YOLOv8s:训练100轮,mAP@0.5 达0.713
    • YOLOv8m:训练100轮,mAP@0.5 达0.716
  • 附赠完整训练日志与输出文件,便于复现与对比分析。

知识普及:牛行为识别视觉检测的技术要点

  • 行为识别与姿态关联:不同行为在牛只姿态上有明显差异——采食时头部低垂、躺卧时身体蜷缩、爬跨时前肢抬起。模型需学习这些姿态特征。
  • 群体场景与遮挡:牛群中个体密集,相互遮挡常见,需采用多尺度特征融合与 NMS 参数调优策略。
  • 环境多样性:四季光照、室内外环境的差异对图像质量影响显著,建议在训练中加入亮度、对比度增强。
  • 行为时序特征:行为通常具有时间延续性,视频帧序列分析可提升识别准确率,减少单帧误判。
  • 应用闭环:检测结果可统计各行为的时间占比与空间分布,结合环境与生理数据,构建牛群健康、发情与福利评估系统,服务于精准养殖。


快速开始(代码示例)

配置文件data.yaml示例:

train:./dataset/images/trainval:./dataset/images/valtest:./dataset/images/testnc:10names:['饮水','行走','采食','站立','觅食','躺卧','排泄','打斗','跑动','爬跨']

加载预训练权重进行训练或推理:

fromultralyticsimportYOLO# 加载附赠的预训练权重model=YOLO('yolov8m_best.pt')# 或 yolov8s_best.pt# 继续在自己的数据上微调(可选)model.train(data='data.yaml',epochs=100,imgsz=640,batch=16,device=0)# 或直接进行推理results=model.predict(source='test_image.jpg',save=True)

标签

牛行为识别智慧畜牧动物福利发情检测多类别检测目标检测YOLO格式深度学习数据集计算机视觉

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/9/28 4:35:13

连Linux之父都在用的AI编程:TaoToken统一Key接入Claude Code实战

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

作者头像 李华
网站建设 2026/9/28 4:34:57

时钟坐公交,数据打专车:IoT设备数据分级传输实践

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

作者头像 李华
网站建设 2026/9/28 4:32:44

MyBatis Cursor 深度解析:流式查询原理与实战配置全攻略

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

作者头像 李华