监测使用深度学习技术的无产母的机场使用情况
Bidur Paneru1, Xiao Yang1, Anjan Dhungana1
1Department of Poultry Science, College of Agricultural & Environmental Sciences, University of Georgia, Athens, GA 30602, USA.
Poultry science
|September 25, 2025
概括
无系统中的坡道并没有显著减少地板蛋,但深度学习模型准确地检测了坡道的使用情况. 筑巢行为随着坡道的进入而变化,转移蛋的分布而不是持续减少地板蛋.
科学领域:
- 动物科学动物科学
- 农业工程 农业工程
- 计算机科学 计算机科学
背景情况:
- 在无 (CF) 住房系统中,地板蛋是一个重大的经济挑战.
- 坡道可以改善的巢盒可访问性,可能减少地板蛋.
研究的目的:
- 开发一种深度学习方法来监控道使用情况.
- 评估坡道通道对地板和巢盒蛋产量的影响.
主要方法:
- 训练了YOLOv5u和YOLOv11对象检测模型在2000张使用坡道的母图像上.
- 从第1天到第413天使用了600只Lohmann LSL Lite,在带有和没有道进入巢箱的房间里.
- 录制的坡道使用与15fps的视频.
主要成果:
- YOLOv11n实现了高精度 (0.9940),回忆 (0.9934) 和mAP@0.50 (0.9848) 进行坡道使用检测.
- 露台进入并没有统计性地降低地板蛋产量 (p=0.5468).
- 取决于母的年龄,道接入将卵产量转移到地板和巢盒之间,而没有持续减少地板蛋.
结论:
- 深度学习模型可以准确地检测山坡使用情况,为自动监控提供基线.
- 坡道进入并没有持续减少地板蛋的数量,但影响了卵箱和地板上的蛋的分布.
- 需要进一步的研究,以了解整个产卵周期的坡道使用效应,并比较商业系统的发现.
