相关实验视频
Updated: Jun 15, 2025
04:55
Using a Thermal Camera to Measure Heat Loss Through Bird Feather Coats
Published on: June 17, 2020
3.5K
研究笔记:一种用于识别和评估在热环境中产卵母的典型行为方法
Yu Yan1, Zheya Sheng2, Yue Gu1
1College of Engineering, Huazhong Agricultural University, Wuhan 430070, China.
Poultry science
|August 27, 2024
概括
这项研究介绍了YOLO-HGP,这是一种深度学习模型,可以准确地检测母的热应激行为. 这种自动化系统提高了管理效率,并有助于繁殖耐热家禽.
科学领域:
- 动物科学动物科学
- 人工智能的人工智能
- 农业工程 农业工程
背景情况:
- 高温会对产卵母的福利和生产力产生负面影响.
- 手动监测热应激行为的劳动密集型和低效.
- 开发自动化系统对于家禽有效的热应激管理至关重要.
研究的目的:
- 开发一种基于深度学习的方法,用于自动识别和评估的热应激行为.
- 创建一个轻量级的物体检测算法 (YOLO-HGP) 以提高效率和准确性.
- 引入一种新的评估指标 (ORC比率) 用于对热应力进行定量评估.
主要方法:
- 利用YOLOv8n作为基线,开发了一个名为YOLO-HGP.GP的轻量级物体检测算法.
- 实现了混合SORT多对象跟踪,用于单个的行为跟踪.
- 引入了"ORC比率" (打开嘴巴的呼吸和伸缩到闭嘴巴的行为) 作为一个定量指标.
主要成果:
- YOLO-HGP实现了高性能指标:95.952%的精度,94.127%的回忆和97.667%的mAP.
- 与YOLOv8n.相比,计算负载显著减少:FLOP减少47.56%,参数减少42.58%
- 成功证明了热应激行为的自动识别和定量评估.
结论:
- YOLO-HGP模型提供了一种有效和高效的方法,用于自动识别的热应激.
- ORC比率为评估热应激严重程度提供了有价值的定量指标.
- 这项技术可以改善家禽管理,并支持耐热性育种计划.
