智能深度学习和基于关键点跟踪的乳牛的检测

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:

• 在奶牛中自动检测腿对于动物福利和农场生产率至关重要.
• 现有的方法面临着精度和技术限制的挑战.

研究的目的:

• 开发一种使用深度学习和关键点跟踪的牛的自动评分方法.
• 提高乳牛腿检测的准确性和效率.

主要方法:

• 使用DeepLabCut从奶牛行走视频中提取关键点功能.
• 整合了位置和时间数据,创建了一个脚得分模型.
• 使用可见光视频进行实时检测.

主要成果:

• 该方法在跟踪奶牛运动关键点方面实现了高精度,平均误差为4.679像素.
• 总体检测准确率达到了90.21%,对于正常 (89.0%),轻度 (85.3%),中度 (92.6%) 和严重 (100.0%) 的具体准确率.
• 该系统在现实环境中展示了实时检测能力.

结论:

• 关键点检测技术为奶牛的自动脚评分提供了有效的解决方案.
• 这种方法通过提供准确和及时的的评估来支持智能乳业管理.
• 开发的模型成功地将性分为四个不同的水平.