自动图像分析用于在家禽中检测菌
Isaac Kellogg1, David L Roberts1, Rocio Crespo2
1Department of Computer Science, College of Engineering, North Carolina State University, Raleigh, NC 27695, USA.
Animals : an open access journal from MDPI
|January 23, 2024
概括
人工智能 (AI) 计算机视觉模型现在可以快速识别Eimeria物种并确定卵囊,这对家禽健康至关重要. 这种自动化方法在诊断菌病时比手工方法提高了准确性和效率.
科学领域:
- 兽医寄生虫学 兽医寄生虫学
- 计算生物学 计算生物学
- 禽畜科学 禽畜科学 禽畜科学
背景情况:
- 由Eimeria原生虫引起的菌病对禽业造成了重大经济负担.
- 目前对Eimeria物种和感染严重性的诊断方法依赖于手工,劳动密集型技术容易出错.
- 现有的诊断工具无法确定卵囊,这是传染性的关键指标.
研究的目的:
- 开发一个自动化的人工智能 (AI) 模型,用于快速识别Eimeria物种和编号卵囊.
- 为了提高诊断的准确性和效率在家禽菌病的检测.
- 为了能够确定卵巢胞分泌状况,以评估感染性.
主要方法:
- 基于Mask R-CNN神经网络架构的计算机视觉模型进行了训练和评估.
- 人工智能模型的设计是为了检测和区分三种Eimeria物种及其胞状况 (六个检测组).
- 通过将AI计数与手动计数进行比较来评估模型性能,并计算平均相对百分比差异 (RPD).
主要成果:
- 人工智能模型在所有组中实现了5.64%的平均RPD,这表明与手动计数的高度一致.
- 各个组的RPD在33.37%至52.72%之间,显示出可变但普遍可接受的准确性.
- 这些模型成功地区分了卵囊胞的分泌状况,这是当前方法缺乏的能力.
- 人工智能方法被证明是快速的,并且对于现场质量的样本需要最小的样本处理.
结论:
- 人工智能驱动的计算机视觉提供了一种快速而准确的方法来诊断家禽中的Eimeria感染.
- 开发的模型可以识别Eimeria物种,列举卵囊,至关重要的是,确定胞状况.
- 这项技术在现场应用方面具有显著的潜力,可以改善菌病的控制并减少家禽行业的经济损失.
