对计算机视觉算法的比较分析,用于实时检测奶牛的数字皮肤炎

科学领域:

• 兽医医学 兽医医学 兽医医学
• 计算机视觉 计算机视觉
• 动物科学动物科学

背景情况:

• 数字性皮肤炎 (DD) 是一种重要的牛爪病,导致,影响牛的福利和生产.
• 早期发现DD对于及时治疗和减轻负面影响至关重要.
• 计算机视觉 (CV) 提供了一种有前途的方法来增强DD的早期检测.

研究的目的:

• 训练和比较多个CV模型,以实时检测和评分乳牛中的DD.
• 评估各种CV模型用于DD检测的性能和推断速度.
• 自动化表现最好的简历模型,以便在乳制品农场实践实时应用.

主要方法:

• 通过使用分类为DD阶段 (M阶段) 的形图像数据集,训练了8个简历模型.
• 基于性能指标 (精度,回忆,mAP) 和推断速度 (FPS) 评估模型.
• 选择了表现最佳的模型,并在商业奶牛场进行实时检测测试.

主要成果:

• 一些CV模型,包括YOLOv4,Tiny YOLOv4和YOLOv5s,在数据集1上实现了高平均精度 (mAP) 超过0.964.
• 微小的YOLOv4在333 FPS显示出最快的推断时间,其次是YOLOv5s (133 FPS) 和YOLOv4 (65 FPS).
• 在数据集2中,Tiny YOLOv4与YOLOv4相比,实现了高mAP (0.895) 的高精度和回忆,在实时检测中表现出强大的性能.

结论:

• Tiny YOLOv4是一个高效和高效的CV模型,用于实时检测奶牛的数字皮肤炎.
• 开发的CV工具促进了早期的DD检测,使得迅速治疗和改善动物福利.
• 这项研究在将CV算法应用于兽医诊断和奶牛场管理方面取得了重大进展.