使用深度图像估计成熟肉牛的体重和身体状况得分

科学领域:

• 农业工程 农业工程
• 动物科学动物科学
• 计算机视觉 计算机视觉

背景情况:

• 准确的体重 (BW) 对牛犊生产者来说至关重要,但传统方法可能具有挑战性.
• 深度传感技术为农业应用提供了潜在的低成本解决方案.
• 对于美国肉牛的BW和身体状况评分 (BCS) 估计的深度传感的验证是有限的.

研究的目的:

• 用深度图像来估计成熟的牛肉牛的体积.
• 从图像投影的身体体积来量化BW和代谢体重 (MBW).
• 使用机器学习与图像获得的测量进行BCS分类.

主要方法:

• 采集了58头杂交牛的顶部视图深度图像,使用了低成本的深度传感器.
• 处理图像以提取包括体积在内的生物识别测量.
• 开发了用于BW预测的线性回归模型,并使用机器学习 (29个算法) 来进行BCS分类.

主要成果:

• 在图像投射的体积和测量的BW之间发现了强烈的正相关性 (r=0.9166).
• 线性回归实现了BW预测的R2为0.83,平均绝对误差 (MAE) 为19.2公斤.
• 包装树模型显示了最好的BCS分类性能,准确地预测了4.75至6.5之间的得分.

结论:

• 深度成像是一种经过验证,准确的方法,用于预测美国牛肉牛群的BW.
• 机器学习模型可以有效地从深度图像数据中对BCS进行分类.
• 这项技术为改善肉牛管理提供了实用工具.