企业官网建设流程全解析

简介：一套面向智慧养殖场景的猪行为识别数据集，适合计算机视觉研发人员、农业工程研究者及畜牧智能化项目开发者使用。数据集聚焦猪圈内猪只的日常行为自动识别，覆盖喝、吃、睡觉、站立四个关键动作类别；标注文件采用COCO JSON格式，可直接用于目标检测、行为分类等模型的训练与评测，免去自行采集和标注的繁琐流程。整套资源共1275个文件，包含1272张JPG图像与3个JSON标注文件，压缩包约85.57MB；图像主要来自猪舍监控视频抽帧，视角和光照条件多样，有助于提升模型在实际场景下的泛化能力。数据集的平均正确识别率达92.6%，说明标签质量和可训练性较好，在同类小型行为数据集中具有较高的参考价值。目前已有213人学习浏览，适合需要快速获得带标注猪行为样本、开展算法对比实验或搭建智慧养殖监测系统的用户。

1. 猪行为识别数据集：从 1272 张图到 92.6% 正确率的落地路径

当摄像头对着猪栏时，真正难的不是检测出一头猪，而是判断这头猪正在喝、吃、睡觉还是站立。猪圈光线暗、猪体互相遮挡、目标尺度变化大，通用检测器在这一场景下的行为分类精度很容易掉到 85% 以下。这套猪行为识别数据集正好补上这块缺口：1272 张猪圈实拍图像，标注覆盖喝、吃、睡觉、站立四类常见行为，平均正确识别率达到 92.6%，标注格式为 COCO JSON，可直接用 pycocotools 读取，也可以作为 YOLOv8 等检测框架的训练语料。本文先从数据组织方式说起，再给出基于 CVAT 的标注、COCO 转 YOLO 切分、YOLOv8 训练评估，最后落到一个复现高正确率的验证技巧。适合正在做智慧养殖、目标检测或行为识别落地的算法工程师和数据集生产者。

2. 解构猪行为识别数据集：COCO JSON 的类别、标注与统计

2.1 四类行为标注的定义与数据分布

行为识别的第一件事是定义“谁在干什么”。在本数据集中，四类行为的标注口径并不仅看猪的静态姿态，还会参考头部所在位置和运动状态：

喝：猪的嘴部靠近饮水器或水槽，头部有规律抬起下压动作；吃：嘴部位于料槽内，伴随咀嚼，有时前腿跨入料槽；睡觉：身体趴卧或侧躺，头部贴地或闭眼，持续数秒不动；站立：四腿支撑，躯干直立，移动或静止都算。

从数据分布看，站立往往占比最高，因为猪在栏内的日常时间大量处于站立调温、观望状态；睡觉次之；喝和吃是短时行为，数量相对少。表里是常见的数据分布形态，具体数字以标注文件为准：

如果训练时发现类别严重不平衡，常见做法是给少数类提高 loss 权重，或者在图像增强阶段对包含 drinking/eating 的样本做随机裁剪复制，让模型不会把所有矮姿态都判定成睡觉。

2.2 用 Python 统计 COCO JSON 中的类别与框信息

拿到 COCO JSON 后，别急着灌进模型。先用一段脚本确认类别 ID 是否连续、单图标注密度是否合理。这里用纯 json 解析，避免额外安装 pycocotools：

import json from collections import Counter def inspect_coco(coco_path): with open(coco_path, 'r', encoding='utf-8') as f: data = json.load(f) cat_name = {cat['id']: cat['name'] for cat in data['categories']} ann_count = Counter() img_annotations = {img['id']: [] for img in data['images']} for ann in data['annotations']: ann_count[cat_name[ann['category_id']]] += 1 img_annotations[ann['image_id']].append(ann) print('总图像数:', len(data['images'])) print('总标注框数:', len(data['annotations'])) print('每类标注数:', dict(ann_count)) print('平均每图标注数: {:.2f}'.format( sum(len(v) for v in img_annotations.values()) / len(data['images']))) inspect_coco('pig_behavior_coco/annotations/instances_train.json')

逻辑说明：data['images']保存图片宽高，data['annotations']里的 bbox 字段是[x, y, width, height]，坐标原点在图像左上角，单位是像素。代码先把 category_id 映射成可读名称，再统计各类标注总数与单图密度。

参数说明：如果 annotation 文件很大，可以考虑将 images/annotations 分别读入后用 image_id 建立索引，而不是每次循环都遍历 images；COCO 官方推荐用 pycocotools 的 loadRes，但在工程脚本里用字典索引更快。若打印出某类数量为 0，说明标注文件类别不均衡或导出的 categories 字段没有包含该类，需要回到标注工具里检查。

2.3 用宽高比和面积评估小目标与长条框

行为识别对框的形状也很敏感。卧睡的猪通常框宽而矮，站立的猪框高而窄；如果数据里这类极端长宽比过多，模型对锚框尺寸的选择就需要相应调整。下面这段脚本可以输出 bbox 面积分布和长宽比分布：

import json from statistics import mean, median def bbox_stats(coco_path): with open(coco_path, 'r', encoding='utf-8') as f: data = json.load(f) areas, ratios = [], [] for ann in data['annotations']: x, y, w, h = ann['bbox'] areas.append(w * h) ratios.append(w / h if h > 0 else 0) print('平均框面积:', int(mean(areas))) print('框面积中位数:', int(median(areas))) print('宽高比中位数:', round(median(ratios), 3)) bbox_stats('pig_behavior_coco/annotations/instances_train.json')

参考指标：如果面积中位数小于整张图面积的 1%，说明小目标比例高；这时建议把 YOLO 的 imgsz 调到 1280，或者用切片推理来召回漏检。宽高比中位数如果明显偏离 1，说明大部分行为是卧倒姿态，后续对锚框比例做针对性聚类会有效果。

3. 用 CVAT 标注猪行为数据到 COCO JSON 并切分训练集

3.1 CVAT 标注工具的标签配置与导出流程

标注是数据集质量的最大变量。猪圈监控视频里猪只叠在一起，单帧标注需要统一“哪个目标算有效”：通常只标注身体面积超过 20×20 像素的猪，且躯干可见度超过一半才打框；被遮挡面积大于一半的猪不标或标为 ignore 类别。这里推荐使用开源标注工具 CVAT 做矩形框标注。

操作流程按以下顺序：

1. 创建项目，在 Labels 里依次添加四个行为标签，名称写成单数小写：drinking、eating、sleeping、standing。
2. 创建任务时上传猪圈抓拍图片，建议每张图包含不同光照、不同栏位，确保行为模式多样。
3. 进入标注界面用矩形框圈住整头猪，注意框不要刻意收得很贴身，给头颈动作留出余量。
4. 对同一头猪连续多帧标注时，保持框大小一致，避免同一行为类别的框尺寸剧烈抖动。
5. 完成后点击导出任务数据集，格式选 COCO JSON 1.0，下载包解压后得到 annotations/instances_default.json 和 images 目录。

导出后的 JSON 里，licenses 和 info 字段会写默认值，categories 通常按添加标签的顺序重新编号。一个常见坑是：标签名为中文时导出文件会出现编码问题，因此建议始终使用英文标签，中文名称只写在备注里。如果你手头已经有 YOLO 矩形框的预标注结果，可以在 CVAT 里用“自动标注”功能加载模型，让人工只修正错误框，这能明显缩短“吃/喝”这类小目标的标注工时。

3.2 将 COCO JSON 转换为 YOLO 格式的数据划分脚本

YOLOv8 训练时不直接读 COCO JSON，它要求每个图像对应一个同名的 txt 文件，每行是“类别 中心x归一化 中心y归一化 宽度归一化 高度归一化”。下面脚本把 COCO 标注按 8:1:1 划分，并输出 YOLO 格式标签：

import json import random from pathlib import Path def coco_to_yolo_split(coco_json, output_dir, split_ratio=(0.8, 0.1, 0.1)): with open(coco_json, 'r', encoding='utf-8') as f: data = json.load(f) cats = {cat['id']: idx for idx, cat in enumerate(data['categories'])} imgs = {img['id']: img for img in data['images']} anns_by_img = {} for ann in data['annotations']: anns_by_img.setdefault(ann['image_id'], []).append(ann) img_ids = list(imgs.keys()) random.seed(42) random.shuffle(img_ids) n = len(img_ids) train_end = int(n * split_ratio[0]) val_end = train_end + int(n * split_ratio[1]) split_map = {'train': img_ids[:train_end], 'val': img_ids[train_end:val_end], 'test': img_ids[val_end:]} for split_name, ids in split_map.items(): out_dir = Path(output_dir) / split_name / 'labels' out_dir.mkdir(parents=True, exist_ok=True) for img_id in ids: img_info = imgs[img_id] stem = Path(img_info['file_name']).stem with open(out_dir / f'{stem}.txt', 'w', encoding='utf-8') as f: for ann in anns_by_img.get(img_id, []): x, y, w, h = ann['bbox'] dw, dh = img_info['width'], img_info['height'] cx = (x + w / 2) / dw cy = (y + h / 2) / dh f.write(f"{cats[ann['category_id']]} {cx:.6f} {cy:.6f} {w/dw:.6f} {h/dh:.6f}\n") coco_to_yolo_split('instances_default.json', 'pig_dataset/labels')

逻辑说明：代码先建立 category_id 到连续索引的映射，因为 YOLO 类别下标必须从 0 开始。随后把每个 image_id 对应的标注框换算成归一化中心坐标和宽高，写入以图像名命名的 txt。划分时用随机种子固定顺序，保证训练、验证、测试三部分没有重叠图像。

参数说明：split_ratio 三个数值按顺序对应 train/val/test；如果只需要训练和验证，可以设置 (0.9, 0.1, 0.0)。1272 张图按 8:1:1 大约得到如下划分：

图像文件需要与 labels 目录保持同样的子目录结构：

pig_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ └── labels/ ├── train/ ├── val/ └── test/

3.3 标注质量校验：处理空标签与越界框

转换完成后，常见问题是某些图像没有任何标注，但 train 目录里会有对应的空 txt。YOLO 训练会忽略空标签，若空标签占比过高（超过 5%），模型容易把背景学成目标。建议用下面命令统计空标签数量：

find pig_dataset/labels/train -name "*.txt" -empty | wc -l

如果统计结果偏大，回到 COCO JSON 里检查是图片没有标注还是导出时丢失了 annotations。越界框也要处理，COCO 允许框超出图像边界，但 YOLO 归一化后坐标可能在 0 到 1 之外，训练时容易报错。下面一段 Python 用来裁剪越界框到图像范围内再归一化：

def clamp_bbox(x, y, w, h, img_w, img_h): x2, y2 = min(x + w, img_w), min(y + h, img_h) return max(x, 0), max(y, 0), x2 - max(x, 0), y2 - max(y, 0)

对每张图像先读取宽高，再用 clamp_bbox 修正，最后写入 txt。这一步放在模型训练前，能省掉大量“训练中途出现 nan”的排错时间。注意如果框被裁剪后面积小于原面积 30%，建议直接丢弃该框，因为它们通常是遮挡严重的伪标注。

4. 基于 YOLOv8 训练猪行为识别模型的关键参数与评估

4.1 配置 data.yaml 与模型选型

行为识别在工程上通常拆成“检测+帧级行为分类”，YOLO 这类目标检测器天然适合这个任务。模型选型要看部署端算力：边缘盒子用 YOLOv8n 或 YOLOv8s，服务器训练可以上 YOLOv8m。下面是不同模型的参考对比，具体数值会随数据分布变化：

数据配置文件是训练入口，建议放在数据集根目录下：

path: /data/pig_dataset train: images/train val: images/val test: images/test names: 0: drinking 1: eating 2: sleeping 3: standing

逻辑说明：path 指向包含 images 和 labels 的根目录，train/val/test 使用相对 path 的子目录。第一次在本地跑通时，使用绝对路径可以减少相对路径错误；模型发布时再改为相对路径，方便部署到其他机器。

参数说明：names 顺序必须和 3.2 转换脚本中 enumerate(data['categories']) 的顺序一致。如果 CVAT 导出的 classes 顺序是 drinking、eating、sleeping、standing，那么这里固定不变；训练中途不要随意改类别顺序，否则会导致旧的 txt 标签全部错位。

4.2 YOLOv8 训练命令与关键参数

使用 YOLOv8 官方 CLI 训练自己的数据集，命令如下：

yolo detect train \ data=pig_behavior.yaml \ model=yolov8m.pt \ epochs=150 \ imgsz=1280 \ batch=16 \ device=0 \ patience=30 \ project=./runs \ name=pig_behavior

逻辑说明：model=yolov8m.pt 会加载 COCO 预训练权重，迁移学习能大幅缩短训练时间。epochs 设 150 是为了让“喝/吃/睡觉”这类细微姿态充分收敛；patience=30 表示验证集指标连续 30 轮不提升就早停。imgsz 从默认 640 提到 1280，是因为猪圈图像中单头猪可能只占很小面积，提高输入分辨率能直接提升小目标召回率。

参数说明：batch 根据 GPU 显存调整，12GB 显存跑 1280 分辨率建议 batch=8，24GB 可以到 16；如果出现“CUDA out of memory”，优先降低 batch、保留 imgsz，因为低分辨率对行为识别的影响比小 batch 更致命。device=0 使用第一块 GPU，没有 GPU 可以改成 cpu，但训练速度会慢很多。

训练完成后，权重保存在 runs/detect/pig_behavior/weights/best.pt。选择 best 而不是 last，因为 best 保存的是验证集上 mAP 最高的那一轮。用下面的命令看训练曲线：

tensorboard --logdir runs/detect/pig_behavior

4.3 评估指标：正确识别率 92.6% 到底衡量什么

多数目标检测项目用 mAP 代表精度，而标题里的“平均正确识别率 92.6%”更像是对每个检测框做行为分类的准确率，或者对每一帧图像做行为判别的准确率。两者口径完全不同，复现时要先定清楚。

如果按逐帧图像评估，流程是：先用检测器输出每个框的行为类别，再与标注框做 IoU 匹配，IoU≥0.5 的框计入分母；将预测类别与真值类别一致才算正确。按逐实例评估，则不需要考虑视频连续性。以下是一段计算逐实例行为准确率的演示代码：

import numpy as np def behavior_accuracy(pred_boxes, pred_cls, gt_boxes, gt_cls, iou_thr=0.5): correct = 0 total = 0 # 这里用简单的一对一贪心匹配，正式评估可用 pycocotools for pb, pc in zip(pred_boxes, pred_cls): best_iou, best_g = 0, -1 for gi, (gb, gc) in enumerate(zip(gt_boxes, gt_cls)): iou = compute_iou(pb, gb) if iou > best_iou: best_iou, best_g = iou, gi if best_iou >= iou_thr: total += 1 if pc == gt_cls[best_g]: correct += 1 return correct / total if total > 0 else 0

逻辑说明：该函数先用 IoU 把预测框匹配到真值框，再比较类别是否一致。由于没有排除已经匹配过的真值框，这里只是演示；实际评估建议直接用 pycocotools 的 COCOeval，它会处理多标签、IoU 阈值变化和平均 AP 指标。

参数说明：iou_thr 针对猪这种遮挡多的场景，往往从 0.5 放宽到 0.4 更能反映实际可用性；但对外报告精度时建议统一用 0.5，否则数字不可比。如果你在自己的测试集上复现准确率低于 92.6%，优先检查两部分：一是验证集是否有与训练集同帧的图片，二是标注类别是否错位。

5. 复现 92.6% 正确率的验证技巧：混淆矩阵与行为判定边界

5.1 用混淆矩阵定位喝/吃/站立三类易混行为

如果你在测试集上跑出的结果与 92.6% 有差距，先不要急着调网络结构，构建一份混淆矩阵往往能直接指出问题。喝和吃都是低头靠近食槽，站立的猪低头也容易被判成喝。建议把测试集的预测结果整理成下面格式，然后绘制混淆矩阵：

import matplotlib.pyplot as plt from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay y_true = [...] # 真值行为类别id y_pred = [...] # 模型预测行为类别id classes = ['drinking', 'eating', 'sleeping', 'standing'] cm = confusion_matrix(y_true, y_pred) disp = ConfusionMatrixDisplay(cm, display_labels=classes) disp.plot(cmap='Blues', xticks_rotation=45) plt.savefig('pig_behavior_cm.png', dpi=150)

该脚本不需要额外标注，只要记录每个测试框的预测类别和真值类别即可。混淆矩阵中如果 eating 的行上出现大量 drinking，说明两者在视觉特征上高度相似，可以通过“观察持续帧数”做后处理：喝水时头部会周期性抬起，吃料时头部连续低位更久；利用跟踪算法关联前后帧，对短于 N 帧的 drinking 抖动做类别平滑，能够把准确率再提高 2～3 个百分点。

5.2 真正值得盯的两个验证细节

第一，测试集里不应出现训练集中同一段视频的连续帧。猪行为变化慢，相邻帧高度相似，如果切分时没有按视频时间戳分组，验证集会虚高。常见做法是将视频按时间片段做分组，再按组切分，而不是按单帧随机切分。第二，对小目标单独算一类准确率。把框面积小于 16×16 像素的检测结果单列统计，如果这部分准确率低于 80%，建议使用切片推理或在训练时加入 Mosaic 增强，而不是整体调大模型。

以上两个验证点做到位后，再回头看 92.6% 这个数字，它应该是在固定 IoU 阈值、固定类别顺序、固定测试集划分下的可复现结果。将这些判断规则写进后处理，配合 YOLOv8 输出的类别置信度，可以让模型在真实猪栏中更稳定。

本文还有配套的精品资源，点击获取