开发和验证完全自动化的二维成像系统,使用机器学习生成乳牛的身体状况评分

科学领域:

• 动物科学动物科学
• 机器学习 机器学习
• 兽医医学 兽医医学 兽医医学

背景情况:

• 身体状况评分 (BCS) 对于评估奶牛的能量储备和健康至关重要.
• 目前的手动BCS评估依赖于经验丰富的人员,这可能是主观的,耗时的.
• 开发用于BCS评估的自动化方法对于有效的群体管理至关重要.

研究的目的:

• 开发和评估一个完全自动化的2D成像系统与机器学习算法实时BCS预测在奶牛.
• 将自动化系统的准确性和可靠性与经验丰富的兽医手动BCS评估进行比较.
• 评估系统跟踪BCS随时间变化 (ΔBCS) 的能力及其与背部脂肪厚度的相关性.

主要方法:

• 在一个大数据集 (34,150个手动BCS) 上利用顺序回归和深度学习来开发算法.
• 在一个单独的数据集 (9,657 BCS) 上验证了系统,使用经验丰富的人类评估人员作为基础真相.
• 采用了统计分析,包括加权卡帕 (κw),百分比协议 (PA),布兰德-阿尔特曼图表和帕辛-巴布洛克回归.

主要成果:

• 自动化系统与手动BCS (κw = 0.69) 达成实质性一致,达成高百分比一致 (94.8%在±0.50单位内).
• 该系统的可重复性几乎是完美的 (κw = 0.99).
• 该系统与背部脂肪厚度 (ρ = 0.75) 显示出强烈的相关性,与手动评分 (ρ = 0.91) 相比.

结论:

• 开发的2D成像和机器学习系统为奶牛提供准确可靠的自动化BCS预测.
• 该系统的性能与训练有素的人类得分器的性能相当,为实时群体健康监测提供了宝贵的工具.
• 这项技术有可能通过客观和有效地评估奶牛的能量状况来提高奶牛养殖场的管理.