机器视觉分析Ujumqin羊的行走姿势和身体大小
Qing Qin1,2,3, Chongyan Zhang1,2,3, Mingxi Lan1,3
1Animal Science Department, Inner Mongolia Agricultural University, Zhaowuda Road, No. 8 Teaching and Research Building, Hohhot 010010, China.
Animals : an open access journal from MDPI
|July 27, 2024
概括
这项研究开发了一种Mask R-CNN模型,用于准确识别绵羊的体型,达到94.70%的姿势分类准确度. 这些发现提供了一种具有成本效益的方法,用于收集各种绵羊姿势的畜牧数据.
科学领域:
- 动物科学动物科学
- 计算机视觉 计算机视觉
- 农业技术 农业技术
背景情况:
- 羊的体型识别对于畜牧管理至关重要.
- 姿势显著影响身体尺寸测量,特别是在不受约束的环境中.
- 对不同羊的姿势进行准确的数据收集是具有挑战性的.
研究的目的:
- 开发和验证一种深度学习模型,用于识别不同姿势的绵羊体型.
- 为了评估身体尺寸测量的准确性,在各种头向下,头向上和跳跃姿势.
- 为畜牧业研究建立一个具有成本效益的数据收集计划.
主要方法:
- 使用Mask R-CNN卷积神经网络用于羊的识别和细分.
- 开发了基于面具计算的关键提取算法.
- 实施了特定的算法来分析Ujumqin羊的头向下,头向上和跳跃姿势.
- 在不同的姿势和性别中测量身体尺寸参数 (倾斜的长度,腰部高度,部高度,胸部深度).
主要成果:
- 在羊的姿势分类中获得了94.70%的准确性.
- 对不同姿势和性别的关键身体尺寸进行量化测量误差,误差一般低于0.16.
- 在通过通道移动的绵羊中观察到明显的姿势变化,例如曲的膝盖和低头.
- 证明了模型在处理绵羊姿势变化的有效性.
结论:
- 面具R-CNN模型提供了一种强大而准确的方法来识别绵羊的体型.
- 该研究成功量化了与不同羊姿势相关的测量误差.
- 拟议的方法为畜牧业研究中的数据采集提供了实用和经济的解决方案.
