基于改进的人力资源网络的金林白的姿势估计和行为分类
Shida Zhao1,2, Zongchun Bai1,2, Lili Meng1,2,3
1Institute of Agricultural Facilities and Equipment, Jiangsu Academy of Agricultural Sciences, Nanjing 210014, China.
Animals : an open access journal from MDPI
|September 28, 2023
概括
本研究使用HRNet-32和CBAM引入了一种先进的子姿势估计方法,实现高精度的家禽健康和福利监测. 开发的模型在各种条件中显示出强烈的概括性,有助于智能家禽养殖.
科学领域:
- 计算机视觉 计算机视觉
- 动物科学动物科学
- 人工智能的人工智能
背景情况:
- 准确的姿势信息对于评估子生理健康,福利和繁殖中的环境舒适性至关重要.
- 现有的方法可能缺乏对综合性子姿势分析所需的精度或适应性.
研究的目的:
- 为子开发一种自动和准确的多用途估计方法.
- 为了提高对各种子行为的关键点的检测,以改善监测.
主要方法:
- 通过将HRNet-32与卷积块注意力模块 (CBAM) 集成,提出了一种新的姿势估计模型.
- 优化了HRNet-32架构,并嵌入了多个CBAM模块,以增强功能提取.
- 在不同的照明条件下对不同年龄的谷子进行模型性能评估.
主要成果:
- 在子姿势估计数据集上,HRNet-32-CBAM模型实现了0.943的平均精度 (AP).
- 在不同年龄,品种和农业模式中表现出强大的概括能力.
- 在各种图像分辨率上进行多功能估计的实时性能得到确认.
结论:
- 开发的HRNet-32-CBAM模型为子多功能估计提供了准确有效的解决方案.
- 该方法为智能家禽养殖和动物福利监测提供了宝贵的技术参考.
- 该研究强调了深度学习在推进精确畜牧管理方面的潜力.
更多相关视频
05:57Long-term Video Tracking of Cohoused Aquatic Animals: A Case Study of the Daily Locomotor Activity of the Norway Lobster Nephrops norvegicus
Published on: April 8, 2019
6.9K
06:59A Pipeline using Bilateral In Utero Electroporation to Interrogate Genetic Influences on Rodent Behavior
Published on: May 21, 2020
4.1K
