英文论文SCI 1区解读复现【NO.21】E-YOLO: Recognition of estrus cow based on improved YOLOv8n model

此前出了目标检测算法改进专栏，但是对于应用于什么场景，需要什么改进方法对应与自己的应用场景有效果，并且多少改进点能发什么水平的文章，为解决大家的困惑，此系列文章旨在给大家解读发表高水平学术期刊中的 SCI论文，并对相应的SCI期刊进行介绍，帮助大家解答疑惑，助力科研论文投稿。解读的系列文章，本人会进行 创新点代码复现，有需要的朋友可关注私信我获取。 这篇文章图表很丰富也很有特点，也想投稿SCI顶刊的朋友需要辅导的可以联系我。

一、摘要

在现代奶牛养殖中，及时准确地识别发情奶牛至关重要。应对挑战奶牛发情的延迟和低效手动监测，基于You Only Look Once v8的改进模型纳米（YOLOv8n），命名为Estrus-YOLO（E-YOLO），被提出用于有效识别发情奶牛。在这个研究显示，该数据集不仅被标记为奶牛的安装行为，而且还创新地标记了个体发情奶牛，能够精确识别发情奶牛。由于奶牛的体型较小，因此
完全交集并集 （CIoU） 损失被归一化 Wasserstein 距离 （NWD） 取代损失以降低对目标奶牛位置偏差的敏感性。上下文信息增强模块（CIAM）旨在利用奶牛的坐骑行为来增强发情奶牛的情境信息作为参考特征。此外，三重注意力模块（TAM）被整合到主干网中，以达到增强。

二、网络模型及核心创新点

创新点方面也是三个模块叠加。 

三、实验效果（部分展示）

 

四、实验结论

一种基于视频的现代发情奶牛监测新方法提出了畜牧业：发情信息的获取不再局限于安装行为，而是直接识别发情期的单头奶牛，提高了奶牛场的效率。

注：论文原文出自 E-YOLO: Recognition of estrus cow based on improved YOLOv8n model. 本文仅用于学术分享，如有侵权，请联系后台作删文处理。

解读的系列文章，本人已进行创新点代码复现，有需要的朋友欢迎关注私信我获取❤ 。