使用机器学习对完全自动化的二维成像系统进行评估,用于实时检测牛的,使用机器学习
N Siachos1, B E Griffiths1, J P Wilson1
1Department of Livestock and One Health, Institute of Infection, Veterinary and Ecological Sciences, University of Liverpool, Leahurst Campus, Neston, CH64 7TE, United Kingdom.
Journal of dairy science
|March 7, 2025
概括
一个用于检测奶牛的人工智能 (AI) 成像系统的表现与人类专家相美. 这项技术为早期干预提供了潜力,改善了乳牛群的积极管理和动物福利.
科学领域:
- 兽医医学 兽医医学 兽医医学
- 动物科学动物科学
- 人工智能在农业中的应用
背景情况:
- 乳牛的积极的管理对于动物福利和群体生产力至关重要.
- 早期发现和及时治疗是有效管理策略的关键.
- 传统的性评分依赖于主观的人类评估,这可能是可变的.
研究的目的:
- 评估完全自动化的二维成像系统的有效性,利用人工智能 (AI) 来实时检测奶牛的.
- 将人工智能系统的性能与经验丰富的人类移动性得分 (HMS) 进行比较,以识别腿牛和脚病变的牛.
- 评估系统在严重病变发生之前检测的早期迹象的能力.
主要方法:
- 收集了来自11家英国奶牛场的流动性数据,生成了40,116个配对的人类流动性得分 (HMS) 和AI流动性得分 (AIMS).
- 利用Gwet和Cohen的系数来评估AIMS和HMS在4级和2级脚度量表上的一致性.
- 计算了AIMS和HMS的灵敏度,特异性和准确性,用于检测足部病变的奶牛,分析了前30天的纵向数据.
主要成果:
- 根据使用的指标,AIMS和HMS之间的协议从公平到几乎完美不等 (κw:0.24-0.34,AC2:0.81-0.93为4级;PA>80%, κ:0.23-0.38,AC1:0.76-0.83为2级).
- 人工智能系统在检测严重脚部病变的奶牛方面表现出与人类评估人员相比较的灵敏度和特异性.
- 人工智能系统检测到严重病变的奶牛在脚部修剪前23天内可移动性增加,这表明早期检测的潜力.
结论:
- 自动化AI成像系统的性能与经验丰富的人类评估人员相比,在乳牛中检测腿和足部病变方面表现得相当出色.
- 该系统能够识别严重病变前的微妙移动性变化,这突显了其早期干预的潜力.
- 这项技术可以显著提高主动的管理策略,改善奶牛群的健康和福利.
