使用图像分析和快速里埃转换,预测不受约束的奶牛的呼吸率

科学领域:

• 动物科学动物科学
• 生物医学工程 生物医学工程
• 计算机视觉 计算机视觉

背景情况:

• 呼吸速率 (RR) 是动物健康的一个关键指标,对于检测牲畜热应激和呼吸系统疾病至关重要.
• 乳牛的RR估计现有的方法往往侧重于站立姿势和热成像,限制了躺着动物的应用.
• 计算机视觉技术的进步为在不受约束的动物中进行非侵入性RR监测提供了潜力.

研究的目的:

• 开发和验证一个系统,使用RGB和红外夜视图像准确预测躺着的霍尔斯坦牛的呼吸率 (RR).
• 实施YOLOv8模型用于自动化感兴趣区域 (ROI) 识别,减少手动注释工作.
• 为了评估新型图像处理管道与快速里埃转换 (FFT) 结合用于RR估计的有效性.

主要方法:

• 在3天内连续录制30头正在哺乳的霍尔斯坦牛的视频,捕捉躺着的时间.
• 手动注释侧翼区域 (ROI) 和开发用于自动化ROI检测的YOLOv8模型.
• 图像处理管道包括像素强度分析,FFT,频率过和反向FFT,以从RGB和IR图像中预测RR.

主要成果:

• 开发的系统实现了根平均平方预测错误 (RMSEP) 的8.3呼吸/分钟和R2为0.77的霍尔斯坦牛.
• 对乳牛的验证结果是RMSEP为13.0次/分钟,R2为0.73.
• YOLOv8 ROI识别模型表现出高性能,精度为100%,回忆率为71.8%,F1得分为83.6%.

结论:

• 拟议的图像处理管道利用 RGB 和 IR 图像上的 FFT 是一种有效和准确的方法,用于计算在不受约束的躺着条件下牛的呼吸率.
• 使用YOLOv8的自动ROI识别显示了未来应用的巨大潜力,简化了数据采集.
• 这种非侵入性方法为持续的健康监测和乳牛福利评估提供了有希望的工具.