通过基于改进的Libra RCNN的平衡多尺度特征融合来检测马匹分娩
Buyu Wang1,2, Weijun Duan1, Jian Zhao3
1College of Computer and Information Engineering, Inner Mongolia Agricultural University, Hohhot, Inner Mongolia, China.
PloS one
|March 4, 2025
概括
使用改进的天秤座RCNN算法自动化马匹分娩检测可以提高小的生存率. 这种由人工智能驱动的系统为马体设施提供非接触式,无压力监控.
科学领域:
- 马类繁殖和兽医科学 马类繁殖和兽医科学
- 动物生产中的人工智能
- 计算机视觉用于生物监测.
背景情况:
- 在大型设施中,手动监测母马分娩是具有挑战性的,因为时间不可预测,急需快速干预.
- 分裂异常可以迅速改变结果,需要有效和准确的检测方法.
研究的目的:
- 开发一种用于检测母马分娩的自动化算法,解决手动监测的局限性.
- 提高在马类环境中识别分娩事件的准确性和效率.
主要方法:
- 提出了改进的Libra RCNN算法,其中包括一个ResNet101骨干,并关注CBAM用于特征提取.
- 平衡的内容意识特征重组特征金字塔 (CARAFE-BFP) 和GRoIE模块用于多尺度特征融合和数据不平衡缓解.
- 统计方法和移动窗口机制用于视频流的持续监控评估.
主要成果:
- 该算法以不平衡的数据和微妙的特征差异实现了86.26%的平均平均精度.
- 检测速度达到每秒15.06张图像,平均回忆率为98.17%.
- 视频流监控显示,马匹分娩检测的准确率为92.75%.
结论:
- 开发的算法提供非接触式,无压力和自动化的马匹分娩检测.
- 这种人工智能技术显示出增强动物生产管理和提高小子生存率的巨大潜力.
