Oct, 2022

牛辨识的机器学习技术的系统综述：数据集，方法和未来方向

PDF
TL;DR本文对基于视觉的牛辨识进行了系统的文献综述，旨在分析使用机器学习和深度学习进行牛识别的研究，并发现支持向量机、k 最近邻和人工神经网络是最常用的机器学习模型，而卷积神经网络、残差网络、Inception、YOLO 和 Faster R-CNN 则是深度学习模型，而牛的口印和毛皮花纹是区分牛的最显著特征。
发现论文，激发创造
  • 深度学习在牲畜行为识别中的应用：系统文献综述

    家畜健康和福利监测在过去通常是一项手动的、消耗大量人力的任务。近年来，人工智能和计算机视觉技术，特别是深度学习模型，已经被广泛应用于家畜行业作为决策工具。本文旨在通过系统文献综述，研究深度学习在家畜行为识别方面的应用和研究进展，分析了 44 个高质量的原始研究，讨论了性能评估、挑战以及发展自动化家畜行为识别系统的潜在解决方案与研究方向。

    Oct, 2023

  • 利用口罩图像和深度学习技术的牛识别

    使用两个深度学习分类模型进行牛的识别，实现了最高 99.5％的准确率，并探讨了模型训练和识别时间与机器性能的相关性。

    Nov, 2023

  • 基于深度数据和深度度量学习的普适性牛标识

    针对牛只的精准识别和精细畜牧的需要，本文首次提出和评估了一种自上而下（背部视角）的深度学习系统，该系统可使用深度数据准确识别个体牛只，为进一步研究提供了代码、数据集和训练权重。研究采用了基于卷积神经网络和多层感知器的背骨架，并通过生成嵌入空间进行聚类以实现高精度识别，无需重新训练网络。通过对 ResNet 和 PointNet 两种不同的背骨架进行评估，结果表明使用深度图和点云分别作为输入的模型均能获得与基于皮毛花纹的背骨架相当的高准确性。

    Mar, 2024

  • 面向精准畜牧农业的公共计算机视觉数据集：系统调查

    这项研究首次系统调查了公开可获得的牲畜计算机视觉数据集，并讨论了数据集的特征、应用及其对动物福利的影响。同时，还探讨了开发牲畜计算机视觉数据集所面临的挑战和机遇，指出数据质量和标注数量的限制是牲畜精准畜牧中的一个瓶颈。

    Jun, 2024

  • 牛只再识别的多视图嵌入

    研究使用深度卷积神经网络实现牲畜重新识别，将该任务与人类重新识别任务进行比较，并探讨其独特挑战，并通过与基于深度架构和标准机器学习算法的不同基线进行比较，并展示了丰富的剖析研究以进一步研究该任务的独特特性。

    Feb, 2019

  • 基于三路网络的实时牛交互识别

    本研究应用计算机视觉技术实现了对肉牛间的交互行为实时的自动识别，通过三流 CNN 模型，综合视觉、几何和语义特征对个体动作和交互行为进行处理，采用自监督学习方法对模型进行预训练，实现了交互行为识别的高精度和实时性。

    Sep, 2022

  • 基于 RGB 和深度视频的乳牛跛瘤检测中的分割增强

    本文介绍了针对奶牛行走状态数据采集和分析的一种方法，基于神经网络和计算机视觉技术，能够对奶牛精准识别和判断是否患有跛行症。

    Jun, 2022

  • CattleEyeView: 一种用于智能精准畜牧农业的多任务自上而下视角的牛数据集

    介绍了 CattleEyeView 数据集，这是第一个自顶向下视角的多任务牛视频数据集，可用于牛的计数、检测、姿势估计、跟踪和实例分割，以评估模型在每个任务上的性能。

    Dec, 2023

  • 农业中的标记效率学习：综述

    该论文综述了机器学习和深度学习在农业系统中的应用，并介绍了最近在农业应用领域提出的标签有效机器学习和深度学习方法，特别是弱监督、无监督和自监督学习方法，以及其在精准农业、植物表型鉴定和收获后质量评估等方面的应用。

    May, 2023

  • 使用传感器数据的机器学习方法预测和检测奶牛数字皮炎早期发作

    本研究旨在利用基于传感器行为数据的机器学习算法，早期检测数字皮炎 (DD) 并预测奶牛 DD。通过建立早期警报工具，实现对商业环境下 DD 的监测和管理，降低 DD 的发病率和严重程度，改善动物福利。通过基于行为传感器数据的机器学习模型，在自由栏条件下预测和检测奶牛数字皮炎，本探索性研究中，DD 临床症状出现的第 0 天的检测模型准确率达到 79%，DD 临床症状出现前 2 天的预测模型准确率达到 64%。该机器学习模型有助于基于行为传感器数据在常规奶牛环境下开发实时自动化的 DD 监测和诊断工具。研究结果表明，个体层面的行为模式变化可用作牛群管理早期警报系统的输入，以检测个体牛健康的差异。

    Sep, 2023