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

本文介绍了使用智能手表和耳机麦克风进行摄入监测的新方法，并针对真实世界的数据集进行了评估。研究人员和用户可以了解到这些方法的发展及其在研究和实际应用中的应用前景和有效性。

Jun, 2022

本研究提出了噪声鲁棒的饲草活动识别器 (NRFAR)，通过分析固定长度的下颌运动事件识别牛的觅食活动，经过在不同噪声环境下的验证，NRFAR 在牛在自由放牧环境下的实时应用中具有显著的性能优势，能够更好地优化畜牧生产。

Apr, 2023

自动监测仔牛行为是评估动物福利的有前途的方法。本研究旨在从加速度计数据中开发机器学习模型，对断奶前的仔牛主要行为进行分类，并建立数字工具以监测仔牛的行为。

Jun, 2024

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。

Oct, 2022

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

这篇论文综述了水产养殖系统中优化喂养和水质的控制设计技术，主要包括基于模型和基于增强学习的控制方法，并介绍了无模型强化学习策略的应用。

Jun, 2023

通过使用计算框架，本研究提供了从视觉隔离挑战中诱导的泌乳成年多胎生奶牛在负面情感状态下的最大程度预处理数据集（不含噪音），以实现低频和高频牛叫声的分类以及个体奶牛语音识别。其中，深度学习和可解释的机器学习框架的模型，分别达到了 87.2% 和 89.4% 的低频和高频分类准确率，以及 68.9% 和 72.5% 的个体牛辨识准确率。

Jul, 2023

动物行为学的关键研究方向是深度学习架构在动物行为识别中的应用、相关挑战以及未来研究方向。

May, 2024

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