在Android和iOS应用程序中使用计算机视觉技术实时检测奶牛的数字皮肤炎.

科学领域:

• 兽医医学 兽医医学 兽医医学
• 计算机视觉 计算机视觉
• 机器学习 机器学习

背景情况:

• 数字性皮肤炎 (DD) 是乳牛的重要原因,影响动物福利和农场经济.
• 早期发现DD病变对于有效治疗和预防全群爆发至关重要.
• 移动应用程序提供了一个潜在的解决方案,可以在农场上实时检测DDD.

研究的目的:

• 部署计算机视觉模型,使用Android和iOS移动应用程序实时检测奶牛的数字皮肤炎 (DD) 病变.
• 评估这些模型在识别DD病变不同阶段的性能.
• 促进乳制品和牛肉农场的DD早期干预和管理策略.

主要方法:

• 转移学习应用于YOLOv5模型架构,使用预训练的COCO-128权重用于DD图像数据.
• 该模型在5个损伤类别 (M0,M4H,M2,M2P,M4P) 的363张图像上接受了训练,并增强了强度.
• 模型被转换为TFLite (Android) 和CoreML (iOS) 格式,并进行量子化以优化推理速度.

主要成果:

• 在测试数据集上,DD检测模型实现了0.95的平均平均精度 (mAP).
• 在5个病变类别中,iOS设备与人类研究人员显示了中等的一致性 (科恩卡帕=0.57).
• 一个2类模型 (损伤与非损伤) 取得了更高的一致性,iOS达到kappa = 0.74和Android kappa = 0.65.iOS还显示了更快的推断时间 (20ms vs. 57ms).

结论:

• 基于计算机视觉的移动应用程序可以有效地支持在牛群中早期检测数字皮肤炎.
• 开发的iOS应用程序表现出有前途的性能,在检测准确性和速度方面超过了现有的应用程序.
• 这项技术可以为农民提供及时DD管理的工具,改善群体的健康和福利.