相关实验视频
Updated: May 3, 2026
10:19
3D Kinematic Gait Analysis for Preclinical Studies in Rodents
Published on: August 3, 2019
10.6K
使用计算机视觉对肉行走能力和腿部健康状况的顶部视图描述
István Fodor1, Marjaneh Taghavi1, Esther D Ellen1
1Animal Breeding and Genomics, Wageningen University & Research, 6700 AH Wageningen, the Netherlands.
Poultry science
|January 10, 2025
概括
自动顶部视频分析可以通过步数和身体振荡等功能来评估肉的行走能力. 然而,这种方法不能准确地检测轻微的腿部健康问题,如伤或脚皮肤炎.
科学领域:
- 动物科学动物科学
- 计算机视觉 计算机视觉
- 动物福利 动物福利
背景情况:
- 肉的福利往往会因行走能力受损和腿部健康问题而受到损害.
- 手动评估步行和腿部健康是耗时和主观的.
- 个体级评分的自动化方法可以显著改善肉福利评估.
研究的目的:
- 调查自动提取的顶部视图行走特征作为肉行走能力和腿部健康的代理的实用性.
- 为了将计算机视觉衍生的特征与手动步行和腿部健康评分相关联.
- 评估用于大规模肉福利监测的自动评分的潜力.
主要方法:
- 收集了牛肉在家庭走廊中行走的顶部视图视频.
- 提取了四个特征:侧向机身振荡,步数,完成时间和边界框长宽比.
- 评估了提取的特征与手动步行得分 (GS),伤 (HB) 和脚皮炎 (FPD) 之间的关系.
- 使用K-means集群用于无监督的步态分数的分类.
主要成果:
- 较差的步行得分 (GS) 与更长的完成时间,更高的步数和增加的横向身体振荡相关.
- 无监督的集群显示出区分肉和GS3+的潜力,但在更细致的区分方面遇到了困难 (GS1和GS2).
- 界限框的长度宽度比不是一个合适的指标,糟糕的步态.
- 在顶部视图特征和HB和FPD轻度病例之间没有发现显著的关系.
结论:
- 顶部视图视频分析,专注于运动速度,步数和身体横向振荡,显示出对肉行走能力的自动评估有希望.
- 使用这些功能进行自动评分可以提高大规模肉福利监测的可行性.
- 当前的顶部视图功能仅限于对轻度腿部健康状况 (如伤和脚皮炎) 提供有限的洞察力.
