使用深度学习来准确检测母猪体大小,在一个带有单个摄像头的群体里

科学领域:

• 动物科学动物科学
• 计算机视觉 计算机视觉
• 农业工程 农业工程

背景情况:

• 在母猪中,传统的雌激发检测涉及手动反压,对非雌激发动物造成痛苦.
• 雌母猪的雌激素与生理变化有关,包括由内分泌活动引起的阴道发红和胀.
• 在检测期间尽量减少压力对于母猪福利和高效的农场管理至关重要.

研究的目的:

• 开发和验证一种非接触式方法,用于检测母猪体大小的变化,以检测雌性.
• 为了减少与传统的雌激发检测方法相关的身体和心理压力.
• 利用深度学习和计算机视觉进行母猪生殖状态的自动监测.

主要方法:

• 使用单个摄像头系统与深度学习框架 (YOLO v4) 结合,用于在集体养的母猪中检测阴道.
• 实施了两步方法:使用人工标记和网络架构检测阴道,然后将尺寸转换为毫米.
• 收集了约克郡,兰德雷斯和杜洛克品种的图像,将自动测量与手动测量 (MM) 进行了比较.

主要成果:

• 在母猪部检测方面实现了超过97.06%的对象识别率.
• 显示了高计算效率,超过每秒2.8.
• 与手动测量相比,报告的小尺寸误差范围为+1.70至-4.47毫米.

结论:

• 开发的无接触系统准确有效地检测母猪体大小的变化,以检测雌激素.
• 与传统的手工技术相比,这种方法显著减少了母猪的压力.
• 未来的研究方向包括扩大自动检测猪宽度的系统.