相关实验视频
Updated: Jun 14, 2025
06:30
Noninvasive, In-pen Approach Test for Laboratory-housed Pigs
Published on: June 5, 2019
8.4K
基于深度学习的自动化方法来确定猪尸体的特征
Jiacheng Wei1, Yan Wu1, Xi Tang1
1National Key Laboratory of Swine Genetic Improvement and Germplasm Innovation, Jiangxi Agricultural University, Nanchang 330045, China.
Animals : an open access journal from MDPI
|August 29, 2024
概括
这项研究引入了一种深度学习模型,用于自动测量猪尸体特征. 人工智能在确定尸体长度和背部脂肪厚度方面实现了高精度,提高了养猪的效率.
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:
- 猪尸体的特征在经济上对遗传选择和育种效率至关重要.
- 需要自动化表型化来提高测量准确度和速度,以便优秀的猪选择.
研究的目的:
- 开发一种基于深度学习的方法,用于自动化猪尸体特征确定.
- 提高猪生产中尸体表型化的效率和准确性.
主要方法:
- 利用了来自3912头猪的表型图像和数据.
- 应用了YOLOv8算法来确定尸体的长度.
- 使用YOLOV8n-seg进行背部脂肪细分.
主要成果:
- 尸体长度模型实现了99%的准确性.
- 背部脂肪细分模型实现了平均投资额为89.10.
- 与手动测量相比,直线长度,对角长度和背部脂肪厚度的高确定系数 (R2 > 0.71).
结论:
- 深度学习方法提供了一种可靠和准确的方法,用于自动化猪尸体表型确定.
- 这种自动化可以在猪选,育种和分类过程中显著帮助.
- 这些发现为推进畜牧生产中的精准农业提供了宝贵的见解.
