相关实验视频
Updated: Jul 13, 2025
10:07
Thermal Imaging to Study Stress Non-invasively in Unrestrained Birds
Published on: November 6, 2015
13.5K
通过非侵入性和基于计算机视觉的降落分类来预测早期的家禽健康状况
Arnas Nakrosis1, Agne Paulauskaite-Taraseviciene1,2, Vidas Raudonis2,3
1Faculty of Informatics, Kaunas University of Technology, Studentu 50, 51368 Kaunas, Lithuania.
Animals : an open access journal from MDPI
|October 14, 2023
概括
这项研究使用人工智能和计算机视觉将家禽便分为六个异常级别. 这种非侵入性方法提高了家禽养殖中的疾病检测.
科学领域:
- 管理家禽的健康管理
- 人工智能在农业中的应用
- 计算机视觉应用程序 计算机视觉应用
背景情况:
- 对禽类的健康监测对于预防疾病和经济可行性至关重要.
- 禽类便提供了鸟类健康的有价值的非侵入性指标.
- 现有的方法往往缺乏细粒度来检测微妙的健康变化.
研究的目的:
- 开发一个先进的AI驱动系统用于家禽落分析.
- 将便分为六个不同的视觉异常类别.
- 通过图像处理改进对家禽疾病的早期检测.
主要方法:
- 收集了来自立陶宛三家农场的多样化的家禽便数据集.
- 使用图像处理算法和深度学习模型进行分析.
- 使用K-手段进行细分和YOLOv5用于分类.
主要成果:
- 对象检测达到92.41%的准确性.
- K-means算法为细分提供了0.88的子系数.
- YOLOv5的分类准确度达到了91.78%.
结论:
- 提出了一个综合的人工智能解决方案,结合了细分和分类模型.
- 开发的系统提供了一个非常准确的,非侵入性的方法来评估家禽的健康状况.
- 这种方法显著提高了在家禽中早期发现传染病的潜力.
