Розпізнавання поведінки свиней: нова модель MMBs_TransNeXt досягає 95,77% точності

Що сталося

Група дослідників із Shanxi Agricultural University опублікувала у Frontiers in Veterinary Science статтю про нову архітектуру глибокого навчання для розпізнавання поведінки свиней. Модель отримала назву MMBs_TransNeXt і показала точність 95,77% на реальному датасеті з промислової ферми.

Чому це важливо

Автоматичне розпізнавання поведінки свиней — ключовий елемент precision livestock farming. Воно дозволяє кількісно оцінювати індикатори добробуту тварин і оптимізувати параметри середовища та годівлі. Проблема в тому, що на складних фермах поведінкові відмінності часто непомітні через перекриття тварин і оклюзії.

Що пропонують автори

MMBs_TransNeXt — це ієрархічна адаптивна модель, яка вирішує три основні проблеми наявних підходів:

1. Статичні стратегії злиття ознак. Модель використовує Multi-stage Adaptive Feature Fusion (MAFF) — механізм, який динамічно інтегрує семантичну інформацію та дрібнозернисті ознаки з різних етапів мережі. MAFF вивчає ваги для кожного етапу, посилюючи взаємодоповнення між поверхневими деталями та глибокою семантикою.

2. Втрата просторових деталей. Multi-scale Detail Fusion Convolution (MDFC) пригнічує розмиття деталей, спричинене міжканальними перешкодами. Модуль має гетерогенну двогілкову структуру: одна гілка покращує локальне виділення дрібних ознак, інша — глобальне сприйняття контурів.

3. Слабка взаємодія між рівнями ознак. Bidirectional Modulation Feature Fusion (BMFF) забезпечує ефективний обмін інформацією між різними рівнями через комбінацію крос-модуляції та самомодуляції.

Як збирали дані

Відео записували з 12 серпня по 25 вересня 2022 року на свинофермі в провінції Шаньсі, Китай. Використовували шість камер Hikvision DS-2DE3Q120MY-T/GLSE, встановлених на висоті 3 метри під кутом 45° до станка. Роздільна здатність — 1920×1080, 25 кадрів/секунду.

Після фільтрації залишили відеокліпи тривалістю 5–10 секунд. Два ветеринарні спеціалісти анотували кожен кліп одним із шести ярликів: бійка, пиття, дослідження, ходьба, їжа, лежання. Кожна категорія містила приблизно 450 зразків, загалом 2775 анотованих кліпів.

Практичні висновки

Для клінічної практики важливо, що модель працює на даних із реальної ферми, а не лише в лабораторних умовах. Вона розпізнає соціальну взаємодію (бійки) та базову поведінку (пиття, їжа, лежання), що критично для оцінки добробуту. Показник 95,77% перевищує результати типових CNN і Transformer моделей, які використовували як базові лінії порівняння.