开发使用单个侧视摄像头实时检测牛的系统
Bo Bo Myint1, Tsubasa Onizuka1, Pyke Tin1
1Graduate School of Engineering, University of Miyazaki, Miyazaki, 889-2192, Japan.
Scientific reports
|June 14, 2024
概括
这项研究使用深度学习来检测奶牛农场的牛,在检测和跟踪方面实现了高精度. 最好的分类的AdaBoost,为改善牛群健康管理提供了潜力.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 动物科学动物科学
背景情况:
- 奶牛养殖在早期发现牛方面面临着挑战.
- 传统的的检测方法是劳动密集型和主观的.
- 人工智能的进步为自动化畜牧健康监测提供了潜力.
研究的目的:
- 研究深度学习的应用,用于自动检测牛.
- 为了比较Mask-RCNN (Detectron2) 和YOLOv8用于牛的检测和跟踪的性能.
- 根据提取的特征来评估各种机器学习算法用于的分类.
主要方法:
- 使用Mask-RCNN (Detectron2) 和YOLOv8进行物体检测和牛追踪.
- 采用图像处理来从牛面具区域提取特征.
- 应用机器学习算法,包括AdaBoost,SVM,决策树和随机森林用于的分类.
主要成果:
- 在牛检测中,Detectron2实现了98.98%的准确性,跟踪模块达到99.50%的准确性.
- AdaBoost 显示了最高的的分类准确度,为 77.9%.
- 其他算法如决策树 (75.32%),SVM (75.20%) 和随机森林 (74.9%) 也显示出有效的性能.
结论:
- 拟议的深度学习系统成功实现了牛的自动检测.
- 这项技术有可能显著改善奶牛场管理和动物福利.
- 该研究强调了计算机视觉在牲畜健康监测中的价值.
