在乳牛中自动检测伤的自动化

科学领域:

• 动物福利科学 动物福利科学
• 兽医医学 兽医医学 兽医医学
• 人工智能在农业中的应用

背景情况:

• 杆评分是乳牛的关键福利指标,评估杆状况的伤害和病变.
• 观察员不一致的手动评分可能会损害这一至关重要的福利评估的可靠性.
• 现有的方法强调需要更客观和更一致的方法来评估奶牛的健康状况.

研究的目的:

• 量化手动Hokck评分在奶牛中的不一致性.
• 探索人工智能在自动化错误分数检测方面的潜力.
• 开发一种更可靠,更客观的方法来评估乳牛和牛的健康状况.

主要方法:

• 进行了两项研究,以测量手动评分的可复制性和可重复性.
• 使用加权的科恩卡帕指标来评估重复性.
• 一个U-net语义细分算法被用于牛的自动伤口检测.

主要成果:

• 手动杆得分显示出显著的不一致性.
• 发现手动评分比视频评分更一致.
• 该U-net算法成功检测到伤,表明了自动化潜力.

结论:

• 手动杆评分的变化需要更客观的评估方法.
• 人工智能驱动的自动化可以减少观察者偏见,提高得分一致性.
• 通过高效和准确的健康监测,自动化杆评分有望提高奶牛福利.