使用眼结膜图像的图像分析,根据羊的Famacha得分自动对贫血进行分类
Luara A Freitas1,2, Rafael E P Ferreira2, Rodrigo P Savegnago3
1Department of Genetics, University of Sao Paulo, São Paulo, 14049-900, Brazil.
Translational animal science
|November 29, 2023
概括
这项研究开发了一种使用图像分析和随机森林模型预测绵羊贫血的自动化方法,为管理Haemonchus contortus感染提供了一种实用工具.
科学领域:
- 兽医寄生虫学 兽医寄生虫学
- 图像分析 图像分析
- 机器学习在动物健康中的应用
背景情况:
- 海蒙丘 (Haemonchus contortus) 是一种主要的寄生虫,会导致绵羊的贫血.
- 法马卡法可视评估眼膜结膜颜色,以检测贫血.
- 自动化Famacha评分可以改善贫血检测和寄生虫管理.
研究的目的:
- 使用眼结膜图像特征自动分类Famacha分数.
- 为了比较多项逻辑回归 (MLR) 和随机森林 (RF) 模型进行分类.
- 评估最佳模型在不同绵羊场的适用性.
主要方法:
- 收集了来自422只绵羊的1156张眼结膜图像.
- 使用射频进行图像细分,以隔离眼.
- 提取的颜色强度量为MLR和RF模型的特征.
- 雇佣随机分割和离开一个农场的交叉验证用于模型评估.
主要成果:
- 射频模型在预测贫血动物方面表现优于MLR,显示了Famacha分数3,4和5的高灵敏度.
- 对于Famacha得分1和得分2,RF的精度达到了72.7%,对于得分2的精度达到了62.5%.
- 在农场条件下使用图像分析证明了Famacha分数2-4的成功预测.
结论:
- 通过图像分析和射频实现自动化Famacha评分,可用于检测绵羊贫血.
- 开发的模型显示了在绵羊养殖中实际应用的潜力.
- 跨农场的交叉验证突出了对可适应不同环境的强大模型的需求.
