动作模糊感知多层次适应级联框架用于预留品种养殖猪中耳标脱落检测

科学领域:

• 农业科学 农业科学
• 计算机视觉 计算机视觉
• 动物科学动物科学

背景情况:

• 耳标的掉落是精密繁殖和活猪健康监测的一个重要问题.
• 检测的挑战包括运动模糊,小标签大小和尺度变化.

研究的目的:

• 开发一种准确和有效的方法来检测储备品种养殖猪的耳标脱落.
• 解决现有方法在处理运动模糊和尺度变化的局限性.

主要方法:

• 提出了一个叫做Adapt-Cascade的运动模糊感知多尺度框架.
• 使用重量适应注意模块 (WAAM) 进行运动模糊特征提取.
• 员工密度感知扩展卷积 (DA-DC) 用于小标签检测和特征导向多尺度区域提案 (FGMS-RP) 用于多尺度检测.

主要成果:

• 在检测耳标丢失时,Adapt-Cascade实现了93.46%的准确性.
• 该模型以每秒19.2的速度运行,可实现实时应用.
• 在处理动作模糊,小标签大小和尺度变化方面表现出卓越的性能.

结论:

• Adapt-Cascade提供了一种高精度的解决方案,用于对猪进行自动耳标脱落检测.
• 开发的模型通过改进的监控来支持智能养猪场管理.
• 这一框架提高了数据的可靠性,用于精确的育种和健康评估.