乳牛乳腺炎通过基于CLE-UNet的热红外图像检测
Qian Zhang1, Ying Yang1, Gang Liu1,2,3
1College of Information and Electrical Engineering, China Agricultural University, Beijing 100083, China.
Animals : an open access journal from MDPI
|July 14, 2023
概括
一个新的算法,CLE-UNet,通过提高细分精度,改进了用于检测牛乳炎的热成像. 这种非侵入性方法为乳牛的早期疾病检测提供了更有效的工具.
科学领域:
- 兽医医学 兽医医学 兽医医学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 热红外技术提供了一种非侵入性的方法来检测牛的乳腺炎.
- 环境因素和障碍可以阻碍准确的温度测量,影响乳腺炎检测效率.
研究的目的:
- 提出CLE-UNet (中带损失圆化UNet) 语义细分算法,以克服乳腺炎检测热成像方面的局限性.
- 通过使用先进的图像分析,提高乳牛乳腺炎识别的准确性和效率.
主要方法:
- 将高效通道注意力 (ECA) 机制集成到UNet特征提取层中,以增强相关的通道特征.
- 开发一种新型的中枢神经损失函数,在训练期间将网络输出与实际标签对齐.
- 基于形状相似性的牛眼圆配件的实施,以改进细分.
主要成果:
- 在CLE-UNet模型中,平均交叉与结合 (MIoU) 为89.32%,分段速度为每0.049秒.
- 对于乳腺炎的检测,该算法显示了86.67%的准确度,82.35%的灵敏度和87.5%的F1得分,超过了传统的体细胞计数 (SCC) 方法.
- 观察到细分精度的显著改善.
结论:
- CLE-UNet算法代表了兽医应用语义细分的创新进步.
- 这种方法提供了一个高度准确和有效的工具,用于早期和可靠地检测牛乳腺炎.
- 该研究强调了人工智能驱动的图像分析在改善动物健康监测方面的潜力.
