1. 项目背景与核心价值
去年帮兽医朋友解决宠物诊所的监控问题时，发现一个有趣现象：通过摄像头观察猫咪状态时，疲劳程度判断完全依赖人工经验。这让我萌生了用卷积神经网络(CNN)自动识别猫疲劳状态的想法。这个毕业设计项目不仅具有学术价值，在实际宠物健康监测、智能养宠设备开发等领域都有广泛应用场景。
传统宠物状态监测主要依赖可穿戴设备，但猫咪对颈圈等设备耐受性差。基于视觉的疲劳识别方案无需接触宠物，通过普通摄像头即可实现全天候监测。当猫咪连续玩耍超过健康时长时，系统能及时提醒主人，预防过度疲劳导致的健康问题。
2. 技术方案设计思路
2.1 为什么选择CNN架构
卷积神经网络在图像识别领域的优势主要体现在三个方面：
- 局部连接特性适合提取眼部、耳朵等关键部位特征
- 权重共享机制大幅减少参数量
- 池化操作增强了对猫咪姿态变化的鲁棒性
经过对比测试，采用ResNet18作为基础架构，在其后接入自定义的全连接层。输入图像统一处理为224×224分辨率，在最后全连接层使用Sigmoid激活函数实现二分类（疲劳/非疲劳）。
2.2 数据集构建技巧
收集了2000张标注好的猫咪图像，包含以下关键特征：
- 眼睛睁开程度（半闭眼是重要指标）
- 耳朵位置（疲劳时耳朵会向后贴）
- 身体姿态（趴卧时长与疲劳正相关）
数据增强策略：
- 随机水平翻转（p=0.5）
- ±15度随机旋转
- 亮度调整（0.8-1.2倍）
- 添加高斯噪声（σ=0.01）
特别注意：要确保增强后的图像不会改变疲劳状态的视觉特征，如不能将睁眼图片增强为闭眼效果。
3. 模型实现细节
3.1 环境配置方案
# 推荐使用conda创建虚拟环境 conda create -n cat_fatigue python=3.8 conda activate cat_fatigue pip install torch==1.12.0 torchvision==0.13.0 pip install opencv-python pillow matplotlib3.2 核心网络结构
import torch.nn as nn from torchvision.models import resnet18 class CatFatigueDetector(nn.Module): def __init__(self): super().__init__() self.backbone = resnet18(pretrained=True) # 替换最后一层全连接 self.backbone.fc = nn.Sequential( nn.Linear(512, 256), nn.ReLU(), nn.Dropout(0.5), nn.Linear(256, 1), nn.Sigmoid() ) def forward(self, x): return self.backbone(x)关键参数说明：
- 使用预训练ResNet18的卷积层参数
- 在全连接层添加Dropout防止过拟合
- 最终输出通过Sigmoid映射到[0,1]区间
3.3 训练技巧实录
# 损失函数与优化器配置 criterion = nn.BCELoss() optimizer = torch.optim.Adam(model.parameters(), lr=1e-4, weight_decay=1e-5) # 学习率调度器 scheduler = torch.optim.lr_scheduler.ReduceLROnPlateau( optimizer, mode='min', factor=0.1, patience=3 )训练过程中的重要发现：
- 当验证集准确率连续3个epoch没有提升时，自动降低学习率
- 早停机制设置为10个epoch没有改善就终止训练
- 最佳batch_size为32，过小会导致收敛不稳定
4. 实际应用中的挑战与解决方案
4.1 光照条件影响
在实地测试中发现，夜间红外摄像头拍摄的图像识别准确率下降约15%。解决方案：
- 在数据集中加入20%的低光照样本
- 在预处理阶段加入自适应直方图均衡化
- 使用Gamma校正（γ=1.5）增强暗部细节
4.2 多猫场景处理
当画面中出现多只猫时，需要先进行个体检测。改进方案：
- 先用YOLOv5检测各猫咪的bounding box
- 对每个检测区域单独进行疲劳判断
- 添加跟踪ID避免重复检测
实现代码片段：
def process_multi_cats(frame): results = yolo_model(frame) # YOLO检测 fatigue_results = [] for box in results.xyxy[0]: x1, y1, x2, y2 = map(int, box[:4]) cat_img = frame[y1:y2, x1:x2] fatigue_prob = fatigue_model(transform(cat_img)) fatigue_results.append((box, fatigue_prob)) return fatigue_results5. 模型优化方向
5.1 知识蒸馏压缩模型
将ResNet18替换为MobileNetV3后：
- 模型大小从45MB减小到6.8MB
- 推理速度提升3倍（从120ms到40ms）
- 准确率仅下降2.3%
5.2 多模态数据融合
尝试结合声音特征（呼噜声频率）：
- 使用Mel频谱图作为第二输入通道
- 设计双分支网络结构
- 准确率提升4.7%，但需要额外麦克风设备
5.3 边缘设备部署
使用TensorRT优化后的模型：
- 在Jetson Nano上达到25FPS
- 内存占用控制在300MB以内
- 支持同时处理4路摄像头输入
部署命令示例：
trtexec --onnx=cat_fatigue.onnx \ --saveEngine=cat_fatigue.engine \ --fp16 --workspace=10246. 项目完整实现建议
对于想完整实现本项目的同学，建议按以下步骤进行：
数据收集阶段（2周）
- 使用网络摄像头录制自家猫咪视频
- 每30分钟截取1张图像并标注状态
- 至少收集500张有效图片
模型训练阶段（1周）
- 先用ImageNet预训练权重初始化
- 冻结卷积层先训练全连接层3个epoch
- 解冻全部参数微调10-15个epoch
部署测试阶段（3天）
- 使用Flask搭建简易Web服务
- 通过浏览器上传图片测试
- 手机APP可通过API调用服务
常见训练问题排查：
- 如果验证集准确率始终低于60%，检查数据标注质量
- 遇到梯度爆炸时，尝试减小学习率或添加梯度裁剪
- 当训练损失震荡严重时，适当增大batch_size
这个项目最让我惊喜的是，在实际测试中发现模型还能间接检测猫咪的脱水状态——当猫咪眼睛周围出现轻微凹陷时，虽然不在训练标签中，但模型会给出高疲劳概率。这提示我们CNN确实学习到了更丰富的健康特征，后续可以考虑扩展为多任务学习框架。
