通过对背部形状特征的计算机视觉分析来自动检测奶牛的
S Serhan Narli1, Hendrik Schmidt1, Ali Firouzabadi1
1Julius Wolff Institute, Berlin Institute of Health at Charité - Universitätsmedizin Berlin, Augustenburger Platz 1, 13353, Berlin, Germany.
Computers in biology and medicine
|September 7, 2025
概括
使用关键点检测和深度学习对牛背部形状的客观分析可以准确地识别. 背部的中部和尾部区域是检测乳牛的严重程度的关键指标.
科学领域:
- 动物科学动物科学
- 兽医医学 兽医医学 兽医医学
- 生物机械工程 生物机械工程
背景情况:
- 乳牛的是重要的福利和生产率问题.
- 传统的检测方法 (例如,运动评分系统) 依赖于主观的视觉评估,可能缺乏早期检测的准确性.
- 牛的背部姿势,通过侧视图像捕捉,可能提供的客观指标.
研究的目的:
- 客观地分析牛背的形状,使用关键点检测来识别与的严重程度相关的区域.
- 根据背部形状特征开发和评估用于基于背部形状特征的自动腿分类的深度学习模型.
- 确定不同背部区域 (头骨,中部,尾部) 对的检测的贡献.
主要方法:
- 一个关键点检测算法绘制了260头荷尔斯坦-弗里斯牛背部的12个点.
- 牛的背部被分为头骨,中部和尾部区域,用于曲率分析.
- 从背部形状中提取的动态特征被用来训练一个深度学习模型用于的分类.
主要成果:
- 深度学习模型在区分腿和非腿奶牛方面取得了97%的准确性.
- 中部 (η2 = 0.14) 和尾部 (η2 = 0.068) 的背部区域对于的检测至关重要,特别是在严重的病例中.
- 头骨区域对的检测贡献最小 (η2 = 0.02).
结论:
- 分析背部形状,特别是中部和尾部区域,为乳牛中的严重程度提供了有价值的客观指标.
- 这种方法可以提高自动的评估系统的准确性和客观性.
- 客观的背部形状分析提供了一个有前途的工具,通过早期和准确的的检测来提高奶牛的福利和生产力.
