基于深度学习的地标检测用于测量母猪的和膝盖角度
Ryan L Jeon1, Joshua M Peschel1, Brett C Ramirez1
1Department of Agricultural and Biosystems Engineering, Iowa State University, Ames, IA 50011, US.
Translational animal science
|December 12, 2024
概括
这项研究引入了一种深度学习方法,可以自动从图像中测量母猪和膝盖角度,从而改善的检测. 这种客观的方法提高了母猪福利评估和育种决策.
科学领域:
- 动物科学动物科学
- 计算机视觉 计算机视觉
- 生物技术是生物技术.
背景情况:
- 腿是导致繁殖母猪被淘汰的主要原因,影响了群体的生产力.
- 目前用于的视觉评分是主观的,缓慢的,不一致的,需要客观的方法.
研究的目的:
- 开发和验证视觉深度学习方法,用于在母猪中自动测量和膝盖角度.
- 提供一个客观的工具来评估母猪腿和改善繁殖群管理.
主要方法:
- 训练了一种深度学习模型,从母猪图像 (侧面和后面配置文件) 中检测身体的关键地标.
- 用三角公式从检测到的地标计算和膝盖的角度.
- 自动角度测量与使用统计分析 (RMSE,R2,Bland-Altman) 的手动测量进行了验证.
主要成果:
- 深度学习模型在地标检测中实现了高精度 (平均精度=0.94).
- 自动角度测量显示与手动测量有很强的一致性 (平均RMSE=4.13°,平均R2=0.84).
- 统计分析证实了自动化系统的可靠性和准确性.
结论:
- 开发的视觉深度学习方法提供了一个客观而准确的方法来测量母猪和膝盖角度.
- 这项技术可以集成到黄金替代标准中,以优化母猪繁殖单位并改善动物福利.
- 这些发现对动物遗传学家,科学家和猪业从业人员来说非常有价值.
