深度学习在牲畜行为识别中的应用：一项系统性文献综述
计算机视觉与模式识别
2023-10-23 v1 人工智能
摘要
牲畜健康与福利监测传统上是一项人工完成的劳动密集型任务。近期的进展促使人工智能与计算机视觉技术，特别是深度学习模型，被采纳为牲畜产业中的决策工具。这些模型已被用于动物识别、追踪、身体部位识别与物种分类等任务。在过去十年中，利用这些模型探究牲畜行为与健康问题之间联系的兴趣日益增长。尽管以往的综述研究较为宽泛，目前尚无专门聚焦于深度学习用于牲畜行为识别的综述研究。因此，本文开展了这项系统性文献综述（SLR）。该SLR最初在电子数据库中进行检索，得到1101篇出版物。在应用既定的筛选标准后，有126篇出版物入围。这些出版物进一步依据质量准则进行过滤，最终选出44篇高质量原始研究。对这些研究进行分析以回答研究问题。结果表明，深度学习成功解决了13类行为识别问题，涵盖44种不同的行为类别。研究采用了多种深度学习模型与网络，其中CNN、Faster R-CNN、YOLOv5和YOLOv4是最常用的模型，VGG16、CSPDarknet53、GoogLeNet、ResNet101和ResNet50是流行的网络。性能评估使用了十种不同的指标，其中精确率（precision）与准确率（accuracy）最为常用。原始研究指出了包括遮挡、粘连、数据不平衡以及牲畜环境复杂性在内的挑战。该SLR研究还讨论了促进自主牲畜行为识别系统发展的潜在解决方案与研究方向。
引用
@article{arxiv.2310.13483,
title = {Application of deep learning for livestock behaviour recognition: A systematic literature review},
author = {Ali Rohan and Muhammad Saad Rafaq and Md. Junayed Hasan and Furqan Asghar and Ali Kashif Bashir and Tania Dottorini},
journal= {arXiv preprint arXiv:2310.13483},
year = {2023}
}