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

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

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

该研究开发了一个开源的基于云计算平台的 Web 应用程序 ShinyAnimalCV，它提供了一种用户友好的界面，用于执行计算机视觉任务，包括目标分割、检测、三维表面可视化和提取二维和三维形态特征。该应用程序包含九个预训练的计算机视觉模型，并且可以被用于动物科学领域中的研究和教学。

Jul, 2023

该研究介绍了一个名为 Cattle Visual Behaviors (CVB) 的视频数据集，用于牛行为识别。通过计算机视觉标注工具（CVAT）收集了 502 个视频剪辑，每个视频剪辑都有 15 秒长，并且标注了 11 种能够直观感知的牛的行为。研究使用预训练模型对视频中的牛进行检测和跟踪，并使用 CVAT 进行修正和标记，从而减少了标注的时间和精力。最后，使用 SlowFast 动作识别模型对该数据集进行了训练和评估，能够准确地识别牛的频繁出现的行为。

May, 2023

本文提出应用图像识别技术解决农业领域的感知问题。作者提供了使用无人机采集并进行密集标注的农作物和杂草图像数据集以及用于测试的多个感知任务基准，包括语义分割、植物的全景分割、植物和叶子的检测、层次全景分割。

Jun, 2023

利用计算机视觉方法建立《第一批卫星图像 -- 牧草质量数据集》，并在基于指数的干旱保险领域提出了应用该数据集的构想，通过协作基准测试工具的结果，该方法在肯尼亚北部的保险计划中显著优于现有技术，有望对随着气候变化而日益恶化的游牧民族对抗干旱的形势产生实质性的改善。

Apr, 2020

本文介绍了一个名为 Agriculture-Vision 的大规模农业航空图像数据集，通过对该数据集进行语义分割的实验，证明了农业在计算机视觉领域中仍面临着许多挑战。

Jan, 2020

本研究通过审视后接着综合评估公开的图像数据集，对基于计算机视觉的停车场管理方法进行了系统全面的评估，发现研究领域中存在着需要进一步研究的空白和方法，例如需独立于数据集的方法和适用于停车位的自主检测方法，同时也揭示了目前大多数研究存在的问题，如忽略连续图像中相同汽车的出现以及缺乏图像数据集的多样性，例如夜晚和雪天拍摄的图像。

Mar, 2022

利用人工智能和传感器数据建立牵引性病问题的公共数据集 CowScreeningDB，以及使用原始传感器数据对健康和疾病牛进行分类的机器学习技术的研究。

May, 2024