推进非人类灵长类动物福利:一个自动面部识别系统用于不受约束的Cynomolgus子

科学领域:

• 生物医学研究的研究.
• 动物福利科学动物福利科学
• 计算机视觉 计算机视觉 计算机视觉

背景情况:

• 准确的单个识别Cynomolgus子 (Macaca fascicularis) 对于生物医学研究至关重要.
• 目前的识别方法可能对动物来说具有侵入性和压力.
• 集体住房需要高效可靠的识别技术.

研究的目的:

• 开发和验证近乎实时的面部识别系统,用于Cynomolgus子.
• 为传统的识别方法提供一种非侵入性的替代方案.
• 在研究环境中提高个人识别的效率和准确性.

主要方法:

• 使用精心调的Detectron2模型进行强大的面部检测.
• 采用基于自身面的分类,使用支持矢量机 (SVM) 和辐射基函数 (RBF) 内核.
• 进行了十倍的交叉验证,以评估系统的准确性.

主要成果:

• 在10倍交叉验证中实现了97.65%的高精度.
• 在理想条件下,在不到1分钟的时间内证明了个别子的识别.
• 该系统在识别非人类灵长类动物方面被证明是有效的.

结论:

• 开发的面部识别系统提供了一个非常准确和非侵入性的方法来识别Cynomolgus子.
• 这项技术可以显著减少动物的压力,并改善研究环境中的福利.
• 该系统提高了研究效率,特别是有利于高动物周转率的设施.