适应性远距离RGB成像用于准确估计奶牛料摄入量
Xiaoning Niu1, Liyong Zhou1, Yongxing Du1
1Prairie Animal Husbandry Artificial Intelligence Engineering Research Center of Inner Mongolia Autonomous Region, School of Digital Intelligence Industry, Inner Mongolia University of Science and Technology, Baotou, China.
Journal of animal science
|September 19, 2025
概括
这项研究介绍了一种使用RGB图像来估计奶牛料量的AI驱动方法,为牧场管理提供了具有成本效益的解决方案. 深度学习模型准确地测量料,提高农场的效率和资源分配.
科学领域:
- 农业工程 农业工程
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 准确监测料消费对于奶牛场管理和优化动物营养至关重要.
- 现有的料量估计方法可能是劳动密集型,昂贵或缺乏精度.
研究的目的:
- 开发一个智能,具有成本效益的系统,用红绿蓝 (RGB) 图像来估计奶牛的总养量.
- 为牧场管理提供一个高效和准确的料资源测量解决方案.
主要方法:
- 使用立体摄像头系统捕捉料堆的RGB图像.
- 使用U2-Net网络进行图像细分,以消除背景干扰.
- 开发了一个深度学习模型,集成自我注意机制和多尺度融合与ResNet用于料量估计.
主要成果:
- 拟议的方法实现了0.3487公斤的平均绝对误差和0.4456公斤的根平均平方误差,用于0至10公斤之间的料量.
- 与现实世界牧场场景中常用的方法相比,表现出优异的性能.
结论:
- 开发的深度学习方法为估计奶牛料量提供了一个高度准确和高效的方法.
- 这项技术提供了一种有价值的智能测量解决方案,用于优化奶牛场管理和资源利用.
