使用深度学习技术跟踪无产母的息行为
Bidur Paneru1, Ramesh Bist1, Xiao Yang1
1Department of Poultry Science, University of Georgia, Athens, GA 30602, USA.
Poultry science
|September 16, 2024
概括
一个深度学习模型,YOLOv8x-PB,准确地检测在无系统中产卵母的息行为. 这种自动化工具有助于生产者从幼年开始监测的福利和发展.
科学领域:
- 动物科学动物科学
- 计算机科学 计算机科学
- 农业工程 农业工程
背景情况:
- 无 (CF) 住房为产母提供诸如改善骨健康和减少压力等好处.
- 准确检测息行为对于监测CF系统中的福利和发展至关重要.
- 手动观察息行为是劳动密集型的,可能不准确.
研究的目的:
- 开发和测试一种深度学习模型,用于检测产母的息行为.
- 为了评估最佳模型的性能在CF住房的不同年龄的母.
主要方法:
- 开发和比较深度学习模型 (YOLOv8s-PB,YOLOv8x-PB,YOLOv7-PB,YOLOv7x-PB) 用于探测息行为.
- 训练有素的模型使用来自4个CF房间的3000张图像,高达1.8米的杆.
- 通过使用单向ANOVA评估模型的准确性,精度,回忆和mAP@0.50.
主要成果:
- YOLOv8x-PB模型表现出卓越的性能,精度为94.80%,回忆率为95.10%,mAP@0.50.60%为97.60%.
- 所有测试的模型都实现了超过94%的检测精度.
- 检测精度因年龄阶段而异,峰值阶段显示最高 (97.40%) 和启动阶段显示最低 (88.80%).
- 重叠的鸟类和遮略有降低了检测性能.
结论:
- YOLOv8x-PB模型对于自动检测产卵母的息行为非常有效.
- 这种深度学习工具可以帮助CF生产者监测他们的福利和发展阶段.
- 精确监测息行为的行为支持在无系统中更好的管理实践.
