猪体重估计方法基于一个框架,结合面具R-CNN和整体回归模型
Sheng Jiang1,2, Guoxu Zhang2,3, Zhencai Shen1,2,4,5
1College of Science, China Agricultural University, Beijing 100083, China.
Animals : an open access journal from MDPI
|July 27, 2024
概括
这项研究引入了一种计算机视觉方法来估计猪的活体重,克服了诸如不均的照明和身体曲等挑战. 该方法实现了高精度,通过精确的体重监测,提高了猪福利.
科学领域:
- 农业技术 农业技术
- 计算机视觉 计算机视觉 计算机视觉
- 动物科学动物科学
背景情况:
- 准确的猪活体重估计对于动物福利和农场管理至关重要.
- 现有方法面临的挑战是可变的照明和猪身体姿势,影响准确性.
- 计算机视觉提供了一种非侵入性的方法来解决这些局限性.
研究的目的:
- 开发和评估计算机视觉系统,以准确估计猪活体重.
- 为了应对不均的照明和猪体曲的挑战,在体重估计中.
- 为了比较不同的特征提取和预测策略,以获得最佳性能.
主要方法:
- 使用面具R-CNN用于在不同的光线条件下精确地提取猪轮.
- 使用XGBoost进行实际测量,以纠正猪体曲和几何扭曲.
- 整合了纠正的功能,并应用了使用Azure Kinect DK数据进行重量预测的三种组合策略.
主要成果:
- XGBoost模型实现了最高的预测准确性,MAE为0.389,RMSE为0.576,R2为0.995.
- 面具R-CNN +随机森林回归器 (RFR) 方法在所有测试的策略中都显示出高精度.
- 提出的方法显著提高了猪活体体重估计的准确性.
结论:
- 开发的计算机视觉系统有效地估计了猪的活重,解决了关键的环境和物理挑战.
- 将Mask R-CNN用于细分和XGBoost或RFR用于预测的组合提供了一个强大的解决方案.
- 这项技术具有显著的潜力,可以提高精准畜牧业和动物福利.
