使用改进的关键点检测与单边深度成像相结合的牛尺寸的自动测量

科学领域:

• 农业工程 农业工程
• 计算机视觉 计算机视觉
• 动物科学动物科学

背景情况:

• 传统的牛测量是手动的,低效的,对动物来说是压力的.
• 目前的非接触式方法昂贵,在农业环境中缺乏灵活性.

研究的目的:

• 开发一种自动化,准确和无接触的方法来测量牛肉牛的尺寸.
• 改进现有的牛福利和农场管理技术.

主要方法:

• 使用了与SimSPPF和CARAFE一起改进的YOLOv8-Pose关键点检测模型.
• 关键点从RGB映射到深度图像,并使用条件过进行优化.
• 牛的尺寸是使用关键点,欧几里德距离和插值方法 (MLS,RBFs,CB-SI) 来计算的.

主要成果:

• 增强的YOLOv8-Pose模型实现了94.4%的mAP,比基线提高了2%.
• 身体高度,腰部高度,身体长度和胸围的平均相对误差分别为1.28%,3.02%,6.47%和4.43%.
• 该方法在非接触式牛尺寸测量方面表现出高精度.

结论:

• 拟议的方法为非接触式牛群测量提供了高度准确和高效的解决方案.
• 这项技术可以显著改善动物福利和农场管理实践.