利用热红外成像用于猪耳检测研究:TIRPigEar数据集和深度学习模型的性能
Weihong Ma1,2, Xingmeng Wang2, Simon X Yang3
1Information Technology Research Center, Beijing Academy of Agriculture and Forestry Sciences, Beijing 100097, China.
Animals : an open access journal from MDPI
|January 11, 2025
概括
一个新的猪耳热图像数据集 (TIRPigEar) 允许人工智能分析精确畜牧业. 这种与YOLOv9m验证的非接触方法有助于监测猪健康和体温.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 动物科学动物科学
背景情况:
- 猪耳由于其血管性而具有独特的热性能,反映温度变化.
- 热红外成像提供了一种非侵入性的方法来评估个体猪的状态,尽管耳朵不能直接反映核心体温.
- 现有的数据集缺乏用于猪耳分析的全面热红外图像.
研究的目的:
- 介绍TIRPigEar数据集,这是一个大规模的猪耳热红外图像集合.
- 促进人工智能模型的开发和验证,用于猪耳探测和温度分析.
- 通过可访问的数据支持精准畜牧业的进步.
主要方法:
- 使用自动检查机器人创建了一个23189张热红外图像 (TIRPigEar) 的数据集.
- 图像被手动注释,生成了69 567个标记文件用于猪耳检测模型培训.
- 使用各种物体检测算法评估了数据集的有效性,包括YOLOv9m.
主要成果:
- 当与YOLOv9m物体检测模型集成时,TIRPigEar数据集实现了高性能指标.
- 精度,回忆和mAP50分数分别达到97.35%,98.1%和98.6%,其中YOLOv9m.
- 该数据集在训练AI模型方面被证明是有效的,证明了用于猪耳分析的热成像的可行性.
结论:
- TIRPigEar数据集是人工智能和精密畜牧业研究的宝贵资源.
- 热红外成像与人工智能相结合,为猪健康监测提供了快速,非接触和有效的方法.
- 这一数据集将通过有效的猪耳温度分析来加速精准畜牧业的研究.
