研究文章雷竞技app下载苹果版

基于深度学习的荷斯坦黑斑杂交奶牛体况评分评估

摘要

身体状况评分(BCS)是衡量奶牛体内脂肪或储存能量的指标。它是农场管理中实现更好的奶牛健康、繁殖性能和产奶量的重要工具。传统上，BCS是由兽医专家目视进行的，耗时长，成本高。因此，本研究提出了一种基于卷积神经网络(Convolutional Neural Network, CNN)的系统，通过图像分析实现奶牛BCS自动化。利用GNU图像处理程序(GIMP)软件对数字捕获的奶牛图像进行背景去除，并实现MATLAB脚本对奶牛图像进行边缘检测。最后，利用边缘检测图像作为输入数据集，建立基于CNN的深度学习模型。基于0.25 (CNN模型1)和0.5 (CNN模型2)的增量BCS系统，将图像数据集分为两组，第一组模型在0.25和0.50误差范围内的分类准确率分别为63.23%和85.29%。相比之下，在各自的误差范围内，第二种模型的分类精度分别为86.02%和94.85%。根据结果，CNN模型在BCS分数的中间范围内表现良好，其中数据，大多数奶牛都存在。因此，开发的模型将有效地用于商业奶牛场，这些奶牛场通常没有低或高BCS的奶牛，因为它们的产量不会很高。

Shriramulu*， Heartwin A. Pushpadass, Magdaline Eljeeva Emerald Franklin, Manimala Kanagaraj, Jeyakumar Sakthivel, Sivaram Muniandy, Ramesha P. Kerekoppa

阅读全文下载全文