基于 Vulvar 视觉特征的融合的种子雌激素检测
Jianyu Fang1,2, Lu Yang1,2, Xiangfang Tang3
1Agricultural Information Institute, Chinese Academy of Agricultural Sciences, Beijing 100081, China.
Animals : an open access journal from MDPI
|September 27, 2025
概括
这项研究引入了一种自动化系统,用于使用多维特征交叉检测母猪,达到85%的成功率. 优化的模型为大型养猪场提供了实时处理,降低了延迟和模型大小.
科学领域:
- 农业工程 农业工程
- 计算机视觉 计算机视觉
- 动物科学动物科学
背景情况:
- 对于大型农场来说,自动化母猪的检测至关重要,以提高生殖效率并降低劳动力成本.
- 传统方法依赖于主观的人类专业知识,导致不准确性和增加养殖费用.
- 精确的雌性检测对于成功的繁殖和优化农场管理至关重要.
研究的目的:
- 开发一种自动化方法,使用多维特征交叉检测母猪状态.
- 通过知识蒸优化边缘计算环境的检测模型.
- 为商业猪场提供可靠和高效的技术解决方案,用于实时监测商业猪场的.
主要方法:
- 一种使用双向特征金字塔网络选择性解码集成 (BiFPN-SDI) 进行特征融合和空间增强注意力模块头 (SEAM-Head) 进行信号放大的新方法.
- 伪造生成蒸 (MGD) 知识蒸被用来压缩边缘计算的模型.
- 一个轻量级的多层感知器 (MLP) 模型被开发用于基于部区域特征和HSV颜色空间分析的类分类.
主要成果:
- 拟议的系统在农场评估中取得了85%的雌性检测成功率.
- 轻量化优化将推理延迟时间从24.29 ms降低到18.87 ms,模型尺寸从32.38 MB降低到3.96 MB.
- 优化的模型保持了0.941的平均平均精度 (mAP),不到1%的精度损失,在复杂的条件下表现出强度.
结论:
- 开发的自动化系统提供了一个高效可靠的解决方案,用于实时检测大规模养殖中的母猪.
- 双优化策略和轻量压缩使得边缘计算能够有效地部署.
- 这项技术显著改善了养殖管理和生殖效率在猪生产.
