下载文章全文：http://www.tcsae.org/cn/article/doi/10.11975/j.issn.1002-6819.202308132
《农业工程学报》2023年第39卷第24期刊载了山西农业大学等单位李艳文、李菊霞、纳腾潇、智晴宇、段磊与张朋鹏的论文——“基于YOLOX-NGS的群养猪只攻击行为识别”。该研究由山西省基础研究青年项目（项目号：202103021223141）资助。
引文信息：李艳文，李菊霞，纳腾潇，等. 基于YOLOX-NGS的群养猪只攻击行为识别[J]. 农业工程学报，2023，39(24)：177-184.
doi: 10.11975/j.issn.1002-6819.202308132
为解决复杂猪舍环境下猪只堆叠和粘连导致群养猪只攻击行为识别准确率低和有效性差的问题，该研究提出一种改进的YOLOX模型，引入攻击活动比例（PAA）和攻击行为比例（PAB）2个优化指标，对群养猪只的撞击、咬耳和咬尾等典型攻击行为进行识别。
首先，为提高模型特征提取能力添加归一化注意力模块获取YOLOX颈部的全局信息；其次，将YOLOX中的IoU损失函数替换为GIoU损失函数，以提升识别精度；最后，为保证模型的实时性将空间金字塔池化结构SPP轻量化为SPPF，增强检测效率。
试验结果表明，改进的YOLOX模型平均精度达97.57%，比YOLOX模型提高6.80个百分点。此外，当PAA和PAB阈值分别为0.2和0.4时，识别准确率达98.55%，有效解决因猪只攻击行为动作连续导致单帧图像行为识别可信度低的问题。研究结果表明，改进的YOLOX模型融合PAA和PAB能够实现高精度的猪只攻击行为识别，为群养生猪智能化监测提供有效参考和技术支持。