相关实验视频
Updated: Jan 13, 2026
08:00
Decoding Natural Behavior from Neuroethological Embedding
Published on: October 3, 2025
586
畜牧行为识别的基础:行为定义及其在多模式大语言模型中的实践的方形图分析
Siling Zhou1, Wenjie Li1, Mengting Zhou2
1State Key Laboratory of Animal Nutrition and Feeding, College of Animal Science and Technology, China Agricultural University, 2 W Yuanmingyuan Ave, Beijing 100193, China.
Animals : an open access journal from MDPI
|October 29, 2025
概括
使用自然语言处理标准化动物行为定义,提高人工智能准确度,用于精确的畜牧业. 结构化定义增强计算机视觉模型,以更好地监测动物福利.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 动物科学动物科学
背景情况:
- 计算机视觉和人工智能 (AI) 显示了在畜牧管理中自动化动物行为观察的潜力.
- 目前用于行为识别的人工智能模型缺乏准确性和通用性,这是由于非标准化的行为定义.
研究的目的:
- 从研究文献中分析牲畜行为定义,以确定语义模式.
- 调查结构化定义对人工智能模型行为识别性能的影响.
主要方法:
- 使用自然语言处理 (NLP) 技术分析了来自2000-2023年文献的655个行为定义 (食,饮酒,休息,移动).
- 聚类和结构分析确定了行为类别中的语义模式.
- 在基于图像的小猪行为注释任务上使用结构化定义测试了ChatGPT-4o.
主要成果:
- 在食,饮酒,休息和移动行为中发现了一致的语义模式.
- 食/饮用定义平均为6-10个词;休息/移动平均为6-15个词.
- 使用结构化定义,ChatGPT-4o获得了4.53/5的对应分数.
结论:
- 标准化的行为定义对于在畜牧业中开发准确和可概括的AI模型至关重要.
- NLP分析为创建这些标准化定义提供了一个框架.
- 这种方法通过改进行为识别来提高动物福利和精确畜牧管理.
