产卵母的个体间距离和方向在8个种群密度下,通过综合深度学习技术测量

科学领域:

• 动物行为 动物行为
• 深度学习应用程序深度学习应用程序
• 禽畜科学是一门学科.

背景情况:

• 准确测量产母之间的距离和方向对于优化群体空间分配至关重要.
• 以前的手动测量方法是劳动密集型的,并且缺乏对不同种群密度的检查.
• 对的空间行为进行自动化,定量化指标的需求是显而易见的.

研究的目的:

• 开发和整合深度学习技术来检测母的个人间距离和方向.
• 分析这些空间指标,跨越八个不同的种群密度.
• 提供以动物为基础的测量,以确定产母的空间需求.

主要方法:

• 利用深度学习图像分类 (准确率超过99%) 来识别和排除息的鸟类,确保在单个水平平面上进行分析.
• 使用YOLOv5m定向物体检测模型 (90%以上的精度,回忆,F1得分) 来检测它们的位置和方向.
• 从物体检测模型中得出的中心点坐标和角度计算了个人间的距离和方向.

主要成果:

• 较高的养殖密度与较小的母之间的最小个体间距离相关.
• 产卵母在90%以上的观察时间内与同类保持了交叉的空间关系.
• 开发的深度学习系统成功量化了它们在不同密度的空间行为.

结论:

• 综合深度学习方法提供了一种准确而有效的方法来测量产卵的空间动态.
• 结果提供了关于养殖密度如何影响它们的近距离和空间相互作用的定量数据.
• 这项研究为在家禽养殖中对住房条件和空间分配的数据驱动优化奠定了基础.