牧场牛行为检测数据集 | 牛行为识别 智慧畜牧 动物福利 采食检测 躺卧识别9114期

牧场牛行为检测数据集 | 牛行为识别 智慧畜牧 动物福利 采食检测 躺卧识别9114期数据集概述本数据集专注于牧场场景下牛只日常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。数据涵盖三种典型行为状态适配行为监测、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3类采食、站立、躺卧数量1657张图像格式图像为 JPG/PNG标签为 YOLO 格式的 txt 文件水平边界框图像分辨率1920×980、2048×1436数据划分训练集1325张验证集165张测试集167张应用价值1.行为监测实时识别牛只采食、站立、躺卧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、躺卧过长早期发现疾病或应激状态。3.牧场管理为饲喂优化、放牧规划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3类序号英文名称中文释义行为状态说明0grazing采食吃草或吃料1standing站立休息或警戒姿态2lying躺卧反刍或休息姿态数据三要素解析类别与行为覆盖数据集定义3类牛只典型行为采食grazing、站立standing、躺卧lying覆盖了牛只日常活动的主要状态。三种行为对应不同的姿态特征——采食时头部低垂、站立时四肢支撑、躺卧时身体蜷缩模型需学习这些姿态差异。类别设置与动物行为学中的基本行为分类相衔接具有较强的专业性与实用性。数据规模与分辨率图像总量约1657张按约80:10:10比例划分为训练集1325张、验证集165张与测试集167张划分规范。图像分辨率包含1920×980与2048×1436两种主流规格高清画质有利于识别牛只的姿态与行为细节。数据采集自真实牧场养殖场景场景代表性较强。格式与结构采用通用YOLO 格式txt每张图像对应一个同名标签文件包含类别 ID 与归一化边界框坐标可直接接入 YOLOv5、YOLOv8 等主流检测框架。图像与标签一一对应数据结构规范即拿即用。知识普及牛行为识别视觉检测的技术要点行为与姿态关联采食、站立、躺卧三种行为在牛只的姿态上有明显差异——采食时头部低垂至地面、站立时四肢直立、躺卧时身体贴近地面。模型需学习这些姿态特征。群体场景与遮挡牧场中牛只可能密集分布相互遮挡常见需采用多尺度特征融合与 NMS 参数调优策略。环境干扰牧场光照变化、草地背景、围栏遮挡等可能影响检测效果建议在训练中加入相关数据增强。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数据构建牛群健康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:3names:[grazing,standing,lying]启动 YOLOv8 训练fromultralyticsimportYOLO modelYOLO(yolov8m.pt)model.train(datadata.yaml,epochs100,imgsz640,batch16,device0)标签牛行为识别智慧畜牧动物福利采食检测躺卧识别目标检测YOLO格式深度学习数据集计算机视觉