自动化牛头和耳部姿势估计使用深度学习进行动物福利研究
1Laboratory of Large Animal Clinical Medicine, Graduate School of Veterinary Sciences, Osaka Metropolitan University, Osaka 598-8531, Japan.
Veterinary sciences
|July 25, 2025
概括
这项研究引入了一个使用深度学习的AI系统,通过分析头部和耳朵姿势来客观评估牛的福利. 该技术提供准确的定量数据,以改善动物压力监测和农场管理.
科学领域:
- 动物行为与福利科学 动物行为与福利科学
- 计算机视觉和人工智能的人工智能
- 生物技术和农业工程 生物技术和农业工程
背景情况:
- 动物福利越来越重要,行为指标,如头部和耳朵的姿势用于评估情绪状态和压力.
- 传统的动物行为视觉观察方法是主观的,不适合长期的定量监测.
- 需要客观的,非侵入性的方法,以便在现场条件下可靠地评估动物福利.
研究的目的:
- 开发和验证基于人工智能 (AI) 的系统来检测和3D估计牛头和耳朵的姿势.
- 为了实现牛的行为和压力水平的客观,定量和长期监测.
- 为动物福利研究和实时农场管理提供实用工具.
主要方法:
- 使用深度学习技术,集成Mask R-CNN用于对象检测和FSA-Net用于3D姿势估计 (yaw, pitch, roll).
- 开发了使用自然条件下的日本黑牛图像的综合数据集,用于检测和构成估计.
- 使用诸如平均平均精度 (mAP) 和平均绝对误差 (MAE) 等指标评估系统性能.
主要成果:
- 实现了高性能,头部检测的mAP为0.79,左耳检测的mAP为0.71.
- 证明了强大的3D姿势估计,平均绝对误差约为8-9°,跨越多种牛方位.
- 人工智能系统在检测和估计牛头和耳朵的姿势方面表现出可靠的性能.
结论:
- 这种基于人工智能的系统比主观视觉观察方法在评估动物福利方面取得了显著的进步.
- 能够对牛行为进行客观,定量和长期的监测,这对于福利评估至关重要.
- 开发的系统在动物福利研究和精准农业中具有强大的实际应用潜力.
