动物AI:一个开源的网络平台,用于使用交互式深度学习细分的自动化动物活动指数计算

科学领域:

• 动物行为与福利科学 动物行为与福利科学
• 计算机视觉和机器学习
• 生物信息学和计算生物学

背景情况:

• 准确的动物活动监测对于福利和行为研究至关重要.
• 活动指数计算的传统方法是杂的,不准确的,缺乏用户友好的群体/个人跟踪.
• 现有的解决方案缺乏非技术研究人员的开放访问平台.

研究的目的:

• 开发一个开源的,基于网络的平台,用于从顶部视频中计算动物活动指数.
• 为了使用户友好地选择个人或群体动物进行追踪.
• 集成先进的人工智能,以准确,无注释的动物跟踪.

主要方法:

• 开发了一个开源的网络平台来计算活动指数.
• 集成了SegmentAnything Model 2 (SAM2) 以实现基于深度学习的动物细分和跟踪.
• 使用科布500只雄性肉 (第1至第7周) 验证了平台,跟踪了1157只.

主要成果:

• 实现了100%的跟踪成功率,并且具有很高的准确性 (IoU: 92.21%,精度: 93.87%,回忆: 98.15%,F1: 95.94%).
• 证明追踪一小部分鸟类 (第1周80%;第4周60%,第7周40%) 足以代表群体活动 (r ≥ 0.90;p ≤ 0.048).
• 该平台不需要额外的培训或注释来跟踪动物.

结论:

• 开发的平台为动物活动跟踪提供了一个实用且易于使用的解决方案.
• 它显著增强了动物行为分析,用户的精力最小.
• 这个开源工具为研究人员民主化了先进的动物福利监测.