集成计算机视觉算法和RFID系统来识别和跟踪团体养的动物:一个猪的例子

科学领域:

• 精准畜牧业是精准的畜牧业.
• 动物行为和动物福利.
• 计算机视觉应用程序的应用程序

背景情况:

• 精确的个体动物监测对于精密畜牧业的健康,福祉和生产率至关重要.
• 计算机视觉为自动化监控提供了潜力,但在群体住房中跟踪视觉上相似的动物方面面临挑战.
• 拥挤和密切的互动可以导致ID丢失或交换,损害跟踪准确性.

研究的目的:

• 开发和评估一个框架,将计算机视觉 (通过检测追踪) 与射频识别 (RFID) 结合起来,用于可靠的个人猪追踪.
• 为了应对在集体住房环境中跟踪视觉上无法辨别的猪的挑战.
• 提高畜牧业中的动物识别,跟踪和可追溯性.

主要方法:

• 实现了一个集成You Only Look Once (YOLOv8) 的框架,用于对象检测和BoT-SORT用于跟踪.
• 精心调整的YOLOv8具有3600张用于猪分类的图像,达到99%的平均精度.
• 在没有明确标记的猪养站,结合视觉跟踪与RFID识别,将RFID数据与视觉轨迹联系起来.

主要成果:

• 有明显标记的猪被追踪了91%的时间.
• 结合视觉RFID方法改善了外观相似的猪的追踪:48.6分钟两个类似标记的猪和59.1分钟七个白猪.
• 对地面真相进行验证的追踪准确性,在所有猪中都超过了90%.

结论:

• 拟议的框架允许可靠的,长期跟踪集体养的猪,包括视觉同质的个体.
• 结合计算机视觉和RFID,为动物跟踪提供了一个优秀的替代方案,而不是单独使用这两种技术.
• 这种综合方法代表了畜牧业多设备动物识别和可追溯系统的重大进步.