时空建模和智能识别为精密畜牧业的播种雌性行为

科学领域:

• 动物科学动物科学
• 计算机科学 计算机科学
• 机器学习 机器学习

背景情况:

• 准确地识别母猪的雌性行为对于有效的养猪场繁殖管理至关重要.
• 传统的方法是低效的,并且容易出现错误,因为期的行为是复杂的.

研究的目的:

• 开发和比较深度学习模型,以高精度识别四个关键的母猪行为 (SOB,SOC,SOS,SOW).
• 为了解决在期行为识别中的传统方法的局限性.

主要方法:

• 基于视频的行为识别使用三个深度学习模型:CNN + LSTM,3D-CNN和CNN + TCN.
• 在数据处理中使用了滑动窗口策略,创建了均长度的图像序列样本.
• 使用准确度,F1分数和AUC曲线等指标对模型性能进行系统的比较分析.

主要成果:

• CNN+TCN模型表现出卓越的性能,验证准确度>0.98,F1得分接近1.0.
• 3D-CNN在识别短期行为 (例如,SOC) 中表现出色,F1得分为0.91.1.
• CNN + LSTM在识别长期行为 (例如,SOB,SOS) 中表现出强度,准确度为0.99.

结论:

• 深度学习模型,特别是CNN + TCN,为母猪的行为识别提供了高度准确的解决方案.
• 开发的智能识别系统支持大型养猪场的数字化和智能管理.
• 不同的模型适用于特定的行为识别任务,使得在猪繁殖中能够定制应用.