整合深度学习和转录学来评估畜牧业的侵略性:一个范围的审查

科学领域:

• 动物科学动物科学
• 生物信息学是一种生物信息学.
• 人工智能的人工智能

背景情况:

• 牲畜侵略对动物福利,农场安全,经济可行性和选择性育种计划构成重大挑战.
• 新兴技术,如基于深度学习的视频分析和转录基因分析,为理解和监测攻击性行为提供了新的途径.

研究的目的:

• 对深度学习视频分析和转录基因分析在牲畜侵略研究中的应用进行范围审查.
• 确定这些创新方法的当前趋势,研究缺口和未来方向.

主要方法:

• 在PubMed,Scopus和Web of Science数据库中对2014年至2025年4月期间发表的研究进行了全面的文献搜索.
• 该评论分析了268项原始研究,将它们分为AI驱动的行为表型 (250篇论文) 和转录基因调查 (18篇论文).

主要成果:

• 大多数研究集中在猪和牛身上,对家禽,小反动物,驼和鱼类的关注有限.
• 关键的进步包括基于卷积神经网络 (CNN) 的系统用于对象检测和姿势估计,以及与侵略和压力相关的分子途径的转录识别.
• 在结合视频分析和转录基因方法的研究中存在很大的差距.

结论:

• 不一致的行为注释,不充分的真实农场验证和有限的跨模式集成是进步的主要障碍.
• 提出了标准化的行为定义,多模式数据集和将表型和分子数据连接起来的综合管道.
• 这些创新对于推进畜牧福利,精密育种和可持续动物生产至关重要.