相关实验视频
Updated: Jun 21, 2025
06:30
Noninvasive, In-pen Approach Test for Laboratory-housed Pigs
Published on: June 5, 2019
8.4K
在使用基于深度学习的口罩评分实例细分的集体养猪中检测猪姿势的分析.
Salam Jayachitra Devi1, Juwar Doley1, Jaya Bharati1
1ICAR-National Research Centre on Pig, Rani, Guwahati, Assam, India.
Animal science journal = Nihon chikusan Gakkaiho
|July 15, 2024
概括
本研究引入了一种深度学习算法,用于在群体环境中准确检测猪姿势,从而改善牲畜福利监测. 该方法在识别猪个体姿势 (如躺着和走路) 时,达到96%以上的准确性.
科学领域:
- 动物科学动物科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 猪的姿势是牲畜健康和福利的关键指标.
- 对于猪姿势检测的深度学习面临着图像变化和多个猪的挑战.
研究的目的:
- 开发和评估一个实例细分算法,用于检测和细分组图像中的个别猪姿势.
- 为了能够精确地识别姿势,包括胸部躺着,横躺着,行走和坐着.
主要方法:
- 使用ResNet-50和特征金字塔网络进行特征提取.
- 雇佣了一个地区候选人网络的兴趣地区 (ROI) 生产.
- 使用0.7值的非最大抑制 (NMS) 来处理重叠的猪并提高检测准确度.
主要成果:
- 在猪姿势检测中实现了超过96%的准确性.
- 在对象检测和实例细分方面达到超过83%的平均平均精度 (mAP).
- 确定了最佳超参数,包括0.01的学习率和512.2的批量大小.
结论:
- 拟议的实例细分算法有效地检测和细分在组图像中的个人猪姿势.
- 该方法表现出高精度和稳定性,优于更快的R-CNN等比较.
- 这项技术为加强牲畜福利监测提供了巨大的潜力.
