深度学习增强了温度建模,用于早期和精确地检测Sahiwal奶牛的乳腺炎
S L Gayathri1, M Bhakat1, T K Mohanty1
1Livestock Production Management Division, ICAR-National Dairy Research Institute, Karnal 132001, Haryana, India.
Research in veterinary science
|September 19, 2025
概括
热成像和深度学习可以准确地检测奶牛的乳腺炎. 这种精确的奶牛养殖方法有助于早期识别亚临床乳腺炎 (SCM) 和临床乳腺炎 (CM),改善牲畜健康管理.
科学领域:
- 兽医医学 兽医医学 兽医医学
- 动物科学动物科学
- 人工智能在农业中的应用
背景情况:
- 乳腺炎是一种重要的乳制品生产疾病,需要先进的诊断工具.
- 目前用于检测乳腺炎的方法可能是劳动密集型的,可能并不总是提供早期警告.
- 综合和基于精度的诊断方法对于有效的乳牛群管理至关重要.
研究的目的:
- 评估热成像与深度学习相结合的疗效,以检测Sahiwal奶牛的乳腺炎.
- 开发和评估卷积神经网络 (CNN) 模型,以将乳头四分之一分类为健康,亚临床乳头炎 (SCM) 或临床乳头炎 (CM).
- 通过提高乳腺炎诊断能力,加强精准奶牛养殖.
主要方法:
- 使用手持式热摄像头捕捉哺乳萨希瓦尔奶牛的乳头区域的热图像.
- 根据加利福尼亚乳腺炎测试 (CMT) 评分,体细胞计数 (SCC) 值和热图分析对乳房四分之一进行分类.
- 开发和培训CNN模型,以区分健康和受乳腺炎影响的乳腺四分之一 (CM和SCM).
主要成果:
- 一个CNN模型区分健康季度和临床乳腺炎 (CM) 实现了99%的准确性,精度,回忆和F1分数.
- 一个CNN模型将健康的季度与亚临床乳腺炎 (SCM) 区分开来,证明了84%的测试准确度,0.87精度,0.79回忆率和0.83F1-分数.
- 热成像与CNN相结合显示,精确高效的乳腺炎检测具有很高的潜力.
结论:
- 基于CNN的热成像提供了一种有希望的,非侵入性的方法,用于准确检测奶牛的乳腺炎.
- 这项技术可以大大促进精准奶牛养殖和主动畜牧健康管理的进步.
- 早期和精确诊断乳腺炎,包括SCM和CM,可以导致及时干预和改善动物福利.
