基于3D混合过器和卷积神经网络的猪体重估计
Zihao Liu1,2, Jingyi Hua2,3, Hongxiang Xue1,2
1College of Engineering, Nanjing Agricultural University, Nanjing 210031, China.
Sensors (Basel, Switzerland)
|September 28, 2023
概括
本研究提出了一种新的混合3D点云消噪方法,用于准确估计猪的体重. 这种方法通过减少手工称重压力和劳动力成本来改善料管理和动物福利.
科学领域:
- 农业工程 农业工程
- 计算机视觉 计算机视觉
- 动物科学动物科学
背景情况:
- 准确的猪体重测量对于优化生长,健康和养策略至关重要.
- 传统的手动称重是低效的,耗时的,对猪来说压力很大.
- 现有的2D和3D重量估计方法在设备复杂性和数据处理方面存在局限性.
研究的目的:
- 开发一个精确和高效的猪体重估计模型,使用混合3D点云消噪方法.
- 为了减轻重量估计偏差并提高特征提取精度.
- 为实时猪体重监测提供一种非侵入性和准确的方法.
主要方法:
- 一种混合的3D点云去噪技术,结合了统计过和DBSCAN集群.
- 使用凸船体技术来隔离猪的背部以获得精细的数据.
- 采用voxel下方采样来提高实时处理效率.
- 将猪背参数与卷积神经网络 (CNN) 集成,用于体重预测.
主要成果:
- 拟议的模型实现了12.45公斤的平均绝对误差 (MAE),5.36%的平均绝对百分比误差 (MAPE) 和12.91公斤的根平均平方误差 (RMSE).
- 该方法表明,与现有技术相比,设备配置简化,数据处理复杂性降低.
- 在不影响效率的情况下,重量估计的准确性得到维持.
结论:
- 混合的3D点云无色化方法为精确的猪体重估计提供了有效的解决方案.
- 这种方法支持科学养管理,降低劳动力成本,提高猪福利.
- 拟议的技术为精密畜牧业和智能畜牧业提供了有价值的工具.
