奶牛反刍检测：一种深度学习方法
计算机视觉与模式识别
2021-01-27 v1 图像与视频处理
摘要
牛只活动是监测反刍动物健康与福利的重要指数，牲畜行为变化是多种疾病早期检测与预防的关键指标。反刍行为是追踪畜牧业发展与产量的重要变量。因此，多种监测方法与测量设备被用于评估牛只行为。然而，这些现代穿戴设备具侵入性，使牛紧张不适，负面影响其福利与昼夜行为。多项研究借助视觉特征采用新方法解决反刍检测问题，但仅利用奶牛少数姿态识别反刍或采食行为。本研究引入基于卷积神经网络（CNN）深度学习模型的创新监测方法，在反刍与其他两主标签下，利用监控相机捕获的所有奶牛姿态进行分类。所提系统简便易用，可通过单张 2D 图像压缩表示视频来捕捉长期动态。该方法识别反刍行为效率显著，平均准确率、召回率与精确率分别为 95%、98% 与 98%。
引用
@article{arxiv.2101.10445,
title = {Dairy Cow rumination detection: A deep learning approach},
author = {Safa Ayadi and Ahmed ben said and Rateb Jabbar and Chafik Aloulou and Achraf Chabbouh and Ahmed Ben Achballah},
journal= {arXiv preprint arXiv:2101.10445},
year = {2021}
}
备注
17 pages, 6 figures, 4 tables