近日，我校智慧畜牧团队在农业与生物科学类期刊COMPUTERS AND ELECTRONICS IN AGRICULTURE（影响因子7.7，1区Top）发表了题为“EVIT-YOLOv8: Construction and Research on African Swine Fever Facial Expression Recognition”的研究论文。

非洲猪瘟、猪丹毒和蓝耳病等传染病对养猪业的威胁逐年增加。养殖户在诊断上常常面临困难，导致措施使用不当，进而加剧疫情的传播。为应对此问题，团队提出EVIT-YOLOv8模型集成了EViT模块，超越了ViT的局限性，并引入CBAM模块以增强图像特征表示。使用GIOU损失函数确保更精确地捕捉面部表情特征，在区分任务中实现了86.6%的平均精度（mAP）。特别是在非洲猪瘟面部表情识别中，该模型取得了85.2%的精准度，分别比YOLOv5、YOLOv7和YOLOv8模型高出6%、23.5%和7.3%。这为养殖户提供了一种精确的诊断工具，有助于减少因误诊而导致的疫情传播风险，并促进传染病的有效预防和控制。

图1  EVIT-YOLOv8的架构

如图1所示，EVIT-YOLOv8模型通过将三个关键模块集成到YOLOv8框架中实现了改进：EViT模块、CBAM模块和GIOU损失函数。EViT模块受鹰眼视觉细胞结构的启发，全面捕捉了面部表情的多样性。CBAM模块结合了通道和空间注意机制，增强了模型在复杂场景中聚焦关键特征的适应性。GIOU损失函数的应用进一步提高了模型在不同尺度和方向下识别面部表情的精度，为养猪业提供了可靠的工具，帮助实现早期检测和有效控制。

我校信息科学与工程学院2021级硕士研究生聂丽丽为论文的第一作者，刘振宇教授为通讯作者，李步高教授参与指导研究。本研究得到了晋汾白猪遗传提升、种质创新与示范（山西省重点研发计划）和高压脉冲电场介导下畜禽舍细菌生物膜附着的多相反应机制研究（山西省留学人员科技活动择优资助项目）联合资助。

论文DOI号：https://doi.org/10.1016/j.compag.2024.109575