使用高精度细分和2D图像特征提取进行猪体重估计的新方法
Yan Chen1, Zhiye Li1, Ling Yin1
1College of Mathematics Informatics, South China Agricultural University, Guangzhou 510642, China.
Animals : an open access journal from MDPI
|October 29, 2025
概括
准确的猪体重预测现在可以使用无接触图像分析. 这种非侵入性方法使用计算机视觉和机器学习,以在智能农业中高效,低成本的体重估计.
科学领域:
- 农业技术 农业技术
- 计算机视觉 计算机视觉
- 动物科学动物科学
背景情况:
- 准确的猪体重对于畜牧管理和经济评估至关重要.
- 传统的称重方法是劳动密集型的,并导致动物的压力.
研究的目的:
- 开发一种基于图像的非接触式系统,用于精确预测猪体重.
- 评估机器学习模型,将图像衍生特征映射到体重.
主要方法:
- 使用BiRefNet去除背景和YOLOv11-seg从RGB图像中提取猪背面罩.
- 提取了17个表型特征,并使用相机高度作为校准输入.
- 对比了八个机器学习和深度学习回归器来预测体重.
主要成果:
- 图像分割管道实现了0.995.99的平均平均精度 (mAP).
- XGBoost回归器表现出卓越的性能,平均绝对误差 (MAE) 为3.9350公斤,根平均平方误差 (RMSE) 为5.2372公斤,R平方 (R2) 为0.9814.
- 开发的方法提供了准确和高效的重量预测.
结论:
- 基于无接触图像的管道为猪体重量预测提供了准确,低成本和高效的解决方案.
- 这项技术支持非侵入性,频繁的监控,适合智能农业应用.
