摘要：生猪健康状况与其行为密切相关，而生猪行为与其骨架特征直接关联，为此，本文提出了一种基于骨架特征的生猪行为识别方法。首先，使用Yolov8s-Pose算法检测生猪关键点，提取生猪骨架特征，并将其输入图卷积网络；其次，在图卷积网络中引入残差结构，以加速模型的训练和优化过程；最后，引入一种加权策略，对不同位置的关键点信息进行距离加权，在保留远邻节点信息的同时，进一步增强了近邻节点的特征表达，从而提升了模型的行为识别性能。实验结果表明，模型对生猪站、坐、躺三种行为识别的平均准确率达到了87.30%，相比Yolov8s模型提高了6.53个百分点，同时100次推理时间仅有0.19s。因此，本文提出的生猪行为识别方法能实现生猪日常行为的准确、快速分类，为群养生猪日常行为监测和健康评估提供了技术参考。
文章目录
1 数据集构建
1.1 姿态估计数据集
1.2 生猪行为数据集
2 生猪行为识别方法
2.1 姿态估计
2.2 行为识别
2.2.1图卷积网络
2.2.2 拓展到图卷积网络的卷积操作
2.2.3 残差结构
2.2.4 距离加权
3 结果与分析
3.1 模型训练环境
3.2 评价指标
3.3 姿态估计结果分析与比较
3.4 行为识别结果分析与比较
3.5 图卷积网络深度对分类准确性的影响
3.6 消融实验
4 结论
