基于深度学习的新生小牛站立和躺着时间的分析和比较

科学领域:

• 动物行为科学 动物行为科学
• 兽医医学 兽医医学 兽医医学
• 计算机视觉在农业中的应用.

背景情况:

• 站立和躺着的时间是小牛健康和福利的关键指标.
• 传统的对小牛行为监测方法可能是劳动密集型和侵入性的.

研究的目的:

• 开发和验证一种计算机视觉系统,用于非侵入性地监测小牛的站立和躺着行为.
• 分析小牛的行为模式和健康状况之间的关系,特别是识别腹的迹象.

主要方法:

• 使用计算机视觉方法,从四个角度监视摄像头,在六天内监视六只小牛.
• 训练了YOLOv8n模型来检测站立和躺着的小牛的姿势.
• 在未经训练的数据上使用自动推断分析了每日行为预算.

主要成果:

• 实现了小牛行为检测的0.995的平均平均精度,推断速度为每秒333.
• 在8个小牛日内,在估计的每日站立和躺着时间中显示出最大误差小于14分钟.
• 确定腹的小牛表现出明显更长的躺时间 (大约2小时). 与健康的小牛相比,2小时多) 和更频繁的躺着发作.

结论:

• 拟议的计算机视觉方法提供了准确和高效的非侵入性监测小牛的行为.
• 自动测量站立和躺着时间可以作为评估小牛健康状况的宝贵工具.
• 这项技术有可能改善小牛的福利和农场管理实践.