对边缘设备上的计算机视觉算法进行基准分析,以实时检测奶牛的数字皮肤炎
Srikanth Aravamuthan1, Emil Walleser1, Dörte Döpfer1
1Department of Medical Science, School of Veterinary Medicine, University of Wisconsin-Madison, 2015 Linden Drive, Madison 53706, United States.
Preventive veterinary medicine
|August 10, 2024
概括
在奶牛中早期检测数字性皮炎 (DD) 非常重要. 在边缘设备上部署的计算机视觉模型准确地识别了DD病变,改善了动物福利并减少了经济损失.
科学领域:
- 兽医医学 兽医医学 兽医医学
- 人工智能的人工智能
- 精准农业是精准的农业.
背景情况:
- 数字性皮肤炎 (DD) 是一种常见的牛爪病,在畜牧业中引起了重大的经济和动物福利问题.
- 目前的DD检测方法依赖于手动评估,这可能是耗时和主观的.
- 早期识别DD对于及时治疗和缓解是必不可少的.
研究的目的:
- 开发和部署可靠的计算机视觉 (CV) 模型,用于检测奶牛的数字皮肤炎 (DD).
- 在适合恶劣农场环境的边缘设备上对DD检测模型的性能进行基准测试.
- 实现实时,自动检测DD,以改善群体健康管理.
主要方法:
- 从商业奶牛农场收集牛脚的图像,专注于数字间空间.
- 使用M级DD分类系统对数字性皮肤炎病变进行专家评分.
- 在边缘计算设备上训练并部署了Tiny YOLOv4模型,用于实时DD检测.
主要成果:
- 小YOLOv4模型实现了0.895的平均平均精度 (mAP) 和0.873.3的整体预测精度.
- 该模型表现出与专家评估有很强的一致性,由0.830.8的科恩卡帕表示.
- 部署的边缘设备解决方案实现了40 FPS的快速推断速度,并在农场条件下稳定运行.
结论:
- 计算机视觉模型可以有效地部署在边缘设备上,以实现高性能,实时检测奶牛的数字皮肤炎.
- 这项技术为早期DD检测提供了一个便携式,低功耗的解决方案,提高了动物健康结果并降低了劳动力成本.
- 这项研究在将CV应用于兽医和精密农业,用于自动化健康监测方面取得了重大进展.
