在Bos indicus奶牛中先进的乳腺炎检测:深度学习方法与红外温度学相结合
S L Gayathri1, M Bhakat1, T K Mohanty1
1Livestock Production Management Division, ICAR-National Dairy Research Institute, Karnal-132001, Haryana, India.
Journal of thermal biology
|June 20, 2025
概括
红外热学 (IRT) 与人工智能相结合,可以准确检测牛的乳腺炎. 这种非侵入性方法改善了牛群健康管理和奶牛养殖的经济可持续性.
科学领域:
- 兽医医学 兽医医学 兽医医学
- 动物科学动物科学
- 人工智能的人工智能
背景情况:
- 乳腺炎在全球乳制品行业中带来了重大的经济和福利挑战.
- 早期和准确的乳腺炎检测对于有效的治疗和群体管理至关重要.
- 塔尔帕卡尔牛 (Bos indicus) 是一种耐受性强的品种,面临着乳腺炎的挑战.
研究的目的:
- 开发和验证一种非侵入性方法来检测Tharparkar牛的乳腺炎,使用红外热学 (IRT) 和深度学习.
- 评估阴茎/乳头表面温度与乳腺炎严重程度指标之间的相关性.
- 为了比较不同深度学习模型的性能来分类乳腺炎状态.
主要方法:
- 从健康的,亚临床乳腺炎 (SCM) 和临床乳腺炎 (CM) 季度收集了7223个乳腺温度图.
- 使用热图像,加利福尼亚乳腺炎测试 (CMT) 和体细胞计数 (SCC) 进行评估.
- 应用卷积神经网络 (CNN),包括ResNet-50和VGG16,用于图像分类.
主要成果:
- 在SCM和CM季度的乳头和乳头皮肤表面温度 (USST和TSST) 显著升高 (p <0.01),特别是在冬季.
- 在USST/TSST和CMT得分/log10SCC值 (p < 0.01) 之间发现了强烈的相关性.
- 在CNN模型中,高准确度:0.98/0.93 (正常与临床) 和0.98/0.90 (正常与亚临床) 在培训/验证方面.
结论:
- 与AI集成的IRT提供了一个非侵入性,准确的诊断工具来检测乳腺炎.
- 这种方法提供了一个可扩展的解决方案,以提高奶牛群的健康管理.
- 结果支持数据驱动的决策,以促进乳制品系统的经济可持续性,特别是在资源有限的环境中.
