通过生物灵感深度学习模型识别群体养肉养殖者的交配事件
Venkat U C Bodempudi1, Guoming Li1, J Hunter Mason2
1Department of Poultry Science, University of Georgia, Athens, GA 30602, USA; Institute for Artificial Intelligence, University of Georgia, Athens, GA 30602, USA.
这项研究开发了深度学习模型 (DLM),使用计算机视觉自动识别鸟类的交配行为. DLM框架实现了0.92准确度,改善了群体管理和生产力.
科学领域:
- 动物科学动物科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 交配行为对于家禽的福利和生产力至关重要.
- 视觉系统可能会因为鸟类的重叠和遮而难以检测交配.
- 需要自动化监控才能有效地管理群体.
研究的目的:
- 开发和评估深度学习模型 (DLM) 来识别肉养殖者交配行为.
- 创建一个DLM框架,包括鸟类检测,数据过和交配识别逻辑.
- 为了优化DLM框架的准确性和处理速度.
主要方法:
- 使用预训练的物体检测 (YOLOv8l),跟踪和分段模型来检测鸟类.
- 开发了基于交配时间 (3-9秒) 和时间间隔 (T-3到T+12秒) 的数据过算法.
- 整合了基于鸟类数量变化和生物特征的交配识别逻辑框架.
主要成果:
- 选择的YOLOv8l模型在检测肉养殖者方面表现出高精度 (>0.939) 和准确性 (>0.95).
- 优化的DLM框架在识别交配事件时实现了0.92准确度.
- 通过数据过,处理速度显著减少了10倍.
结论:
- 开发的DLM框架有效地自动识别鸟类的交配行为.
- 这项技术使得有效的监测,及时干预和优化群体管理成为可能.
- 自动识别支持改善肉养殖者生育能力,遗传学和整体生产力.
更多相关视频
05:57Long-term Video Tracking of Cohoused Aquatic Animals: A Case Study of the Daily Locomotor Activity of the Norway Lobster Nephrops norvegicus
Published on: April 8, 2019
06:59A Pipeline using Bilateral In Utero Electroporation to Interrogate Genetic Influences on Rodent Behavior
Published on: May 21, 2020
相关概念视频
Pedigree Analysis
Inclusive Fitness
Understanding Species and Reproductive Barriers
What is Population Genetics?
Predator-Prey Interactions
Natural Selection and Mating Preferences
Females, due to their biological roles in conception, pregnancy, and nursing, inherently...
