基于人工智能和流媒体实时监测雉类尾羽流通场景的方法

本发明公开了基于人工智能和流媒体实时监测雉类尾羽流通场景的方法，属于神经网络算法技术领域，包括收集雉类尾羽的图片并构建数据集MF‑2025；改进YOLO11模型结构并定义为Feather‑YOLO模型；对数据集MF‑2025进行划分，对Feather‑YOLO模型进行训练；编写数据获取模块，实时获取流媒体图片、视频以及附属信息；将数据获取模块和Feather‑YOLO模型结合，用于对流媒体数据扫描。本发明采用上述的基于人工智能和流媒体实时监测雉类尾羽流通场景的方法，通过改进的Feather‑YOLO模型，利用数据集MF‑2025训练Feather‑YOLO模型，并结合数据获取模块将包含尾羽的相关图片进行筛选，解决复杂场景下的多尺度目标检测问题，将模型集成至边缘设备，对尾羽及相关制品以及可能存在的非法交易等问题的实时监测成为可能。