计算机视觉系统用于监控所养的奶牛犊

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:

• 在美国,小屋养的奶牛占小牛养的50%以上.
• 有限的研究存在于计算机视觉系统 (CVS) 监控行为在这个特定的住房系统.
• 了解小牛的行为对于健康和福利管理至关重要.

研究的目的:

• 开发一个CVS来监测所养奶牛犊的位置和姿势.
• 在边缘计算中比较深度学习算法 (大与小模型) 用于对象检测.
• 量化谎言的发作,并研究行为与环境的关系 (温度湿度指数[THI]和呼吸速率[RR]).

主要方法:

• 在20天内从3个摄像头收集了27704张12只未断奶的母牛小牛的20天的图像.
• 使用2个深度神经网络 (YOLOv3:大,YOLOv3-小:小) 在297张图像上进行训练,并在128张图像上进行测试.
• 分类的小牛位置 (内部/外部) 和姿势 (躺着/站在外面).

主要成果:

• YOLOv3实现了94.7-97.3%的精度和96.9-100%的回忆;YOLOv3-tiny实现了86.7-90.1%的精度和90.0-97.7%的回忆.
• 高THI (≥69) 与增加的呼吸速率 (64.9比56.9次/分钟) 和更长的躺卧间隔 (2.75比3.48小时) 相相关.
• 与THI增加的RR变化表明室内时间减少,外躺时间增加.

结论:

• 无论是YOLOv3还是YOLOv3小型模型,在跟踪奶牛小牛的位置和姿势方面都表现出强的表现.
• 像YOLOv3-tiny这样的小型深度学习模型适用于边缘计算应用程序.
• CVS是一种可行的工具,用于监测户外中的奶牛犊,提供有关健康和福利问题,特别是热应激问题的行为变化的见解.