使用深度学习,照片和计算机断层扫描检测的翅膀骨折
Kacper Libera1, Dirk Schut2, Effrosyni Kritsi1
1Institute for Risk Assessment Sciences (IRAS), Utrecht University, Yalelaan 2, 3584 CM Utrecht, the Netherlands.
Poultry science
|May 21, 2025
概括
深度学习模型使用计算机断层扫描 (CT) 扫描和照片准确地检测家禽的翅膀骨折和伤. 这项技术增强了屠宰场的客观动物福利监测,改善了家禽福利标准.
科学领域:
- 兽医医学 兽医医学 兽医医学
- 人工智能的人工智能
- 动物福利科学 动物福利科学
背景情况:
- 目前的家禽屠宰场动物福利监测依赖于官员的主观视觉检查.
- 人类检查的局限性包括生产线速度,主观性和疲劳,需要客观的方法.
- 翅膀骨折和伤是禽类急性疼痛和痛苦的关键指标.
研究的目的:
- 评估深度学习模型在检测家禽翅膀骨折和伤方面的有效性.
- 评估计算机断层扫描 (CT) 扫描和照片用于自动化福利评估的适用性.
主要方法:
- 开发和训练了三个深度学习模型:使用CT扫描进行骨折的Model_CT,使用照片进行骨折的Model_Photo_Fractures和使用照片进行伤的Model_Photo_Bruises.
- 利用基于CT的模型的3D ResNet34架构和基于照片的模型的2D EfficientNetV2_s.
- 收集了306张CT扫描和285张照片用于模型培训,验证和测试.
主要成果:
- Model_CT在CT扫描中检测骨折时获得了98%的准确性.
- Model_Photo_Fractures在从照片中识别骨折时达到96%的准确性.
- Model_Photo_Bruises在从照片中检测出伤时表现出82%的准确性.
结论:
- 深度学习模型,利用CT扫描和照片,提供了一个客观的方法来识别翅膀骨折和伤.
- 这种自动检测可以显著提高家禽动物福利监测的准确性和客观性.
- 这些技术的实施有可能提高家禽福利的整体标准.
