彻底改变牛福利监测:一个新的顶部视角与深度摄像机基于的分类

科学领域:

• 兽医医学 兽医医学 兽医医学
• 农业工程 农业工程
• 计算机视觉 计算机视觉

背景情况:

• 早期发现牛是动物福利和农场生产率的关键.
• 现有的二维成像系统在准确评估相关变化方面存在局限性.

研究的目的:

• 开发和验证一个新的系统用于牛的检测和分类,使用顶部视图3D深度摄像头.
• 为了提高准确性,将拟议的3D深度系统与传统的2D方法区分开来.

主要方法:

• 使用了集成深度学习的3D深度摄像头来进行牛的检测,跟踪和细分.
• 雇佣Detectron2框架和交叉点在联盟 (IOU) 上进行精确的牛定位和移动分析.
• 提取的深度数据,重点关注脊柱区域的最大高度,用于特征向量生成.
• 使用随机森林 (RF),K-最近邻居 (KNN) 和决策树 (DT) 算法评估分类性能.

主要成果:

• 在三天的时间内,在不同群体大小的情况下,实现了高平均检测准确率99.94%和跟踪准确率99.92%.
• 成功地从牛的背部区域提取了深度特征,用于的评估.
• 通过使用多个机器学习模型,证明了开发系统在分类的有效性.

结论:

• 顶部视图深度摄像头提供了一个有希望的,准确的解决方案,用于自动化牛的检测和分类.
• 综合深度学习方法显著提高了牲畜健康管理能力.
• 这项技术对提高奶牛场效率和动物福利具有重大影响.