通过使用计算机视觉技术,自动检测无母的脚

科学领域:

• 动物科学动物科学
• 兽医医学 兽医医学 兽医医学
• 人工智能的人工智能

背景情况:

• 无 (CF) 住房在蛋生产中变得占主导地位,增加了母中脚病的发生率.
• 脚会引起疼痛和福利问题,阻碍的流动性和获取资源.
• 目前用于检测脚的方法具有挑战性,特别是在早期,缺乏自动化解决方案.

研究的目的:

• 开发和评估人工智能 (AI) 深度学习模型,用于在CF环境中的母中自动检测脚.
• 为了比较不同YOLOv5模型 (YOLOv5s-BFD,YOLOv5m-BFD,YOLOv5x-BFD) 的脚检测性能.
• 为了确定最佳的训练参数 (时代,批量大小,摄像头高度) 以有效检测脚.

主要方法:

• 三种深度学习模型的开发和测试:YOLOv5s-BFD,YOLOv5m-BFD和YOLOv5x-BFD.
• 训练和验证模型使用数据集从母在CF环境下的各种设置下CF环境.
• 基于精度,回忆,mAP@0.50,mAP@0.50:0.95和F1分数的性能评估.

主要成果:

• YOLOv5m-BFD模型在关键指标上表现出卓越的性能.
• YOLOv5m-BFD获得了最高的精度 (93.7%),回忆 (84.6%),mAP@0.50 (90.9%) 和F1得分 (89.0%).
• 对于YOLOv5m-BFD,在400个时代和16个批量大小下观察到最佳性能.

结论:

• 推使用YOLOv5m-BFD模型来准确和自动检测CF系统中的产卵母的熊脚.
• 这项研究为在商业家禽业务中实施自动化脚检测系统提供了基础.
• 未来的工作将专注于调整该模型以检测 brojlers中的脚.