相关实验视频
Updated: Sep 19, 2025
06:30
Noninvasive, In-pen Approach Test for Laboratory-housed Pigs
Published on: June 5, 2019
8.5K
实例细分和自动猪姿势识别用于智能健康管理
Md Nasim Reza1,2, Md Sazzadul Kabir2, Md Asrakul Haque1
1Department of Agricultural Machinery Engineering, Graduate School, Chungnam National University, Daejeon 34134, Korea.
Journal of animal science and technology
|June 16, 2025
概括
使用计算机视觉的自动化猪监测可以准确地检测猪的姿势,从而能够及早发现健康问题并改善农场管理. 这项技术有助于优化福利和预防大规模农业活动中疾病的传播.
科学领域:
- 农业技术 农业技术
- 计算机视觉 计算机视觉 计算机视觉
- 动物福利科学动物福利科学
背景情况:
- 监测猪的姿势和运动对于检测生长猪的健康问题和异常发育至关重要.
- 大型农场的手动监控是劳动密集型和耗时的.
- 计算机视觉为自动化猪监控提供了一个潜在的解决方案.
研究的目的:
- 开发和评估用于自动化猪姿势识别和检测的计算机视觉系统.
- 使用基于掩盖的实例细分来监控在封闭农场环境中的猪.
主要方法:
- 两种视频采集系统 (顶部和侧面视图) 用于捕获RGB图像.
- 创建了一个由600张手动注释图像组成的数据集,分类了四种姿势:站立,坐着,躺着和吃饭.
- 例如,使用Mask R-CNN框架进行细分,包括区域提案网络,RoIPool,分类和边界框回归.
主要成果:
- 该模型在识别猪姿势方面取得了高精度,小猪的平均精度为0.937,成年猪的平均精度为0.935.
- 该系统展示了实时监控和早期发现福利问题的潜力.
- 使用2D图像像素面积估计的体重与实际体重有很高的相关性.
结论:
- 拟议的计算机视觉模型有效用于自动化猪姿势监测,支持早期发现福利问题和优化农场管理.
- 建议在各种农场条件下进行3D成像和测试的进一步研究,以提高现实世界的适用性.
