Instance Segmentation with Mask R-CNN Applied to Loose-Housed Dairy Cows in a Multi-Camera Setting

简介

Simple Summary

Abstract

随着畜群规模的增加，对自动化系统的需求也在增加，以支持农民监测牲畜的健康和福利状况。牛是一种高度群居的物种，群结构对动物福利有着重要的影响。由于动物的行为和它们的 会互动可能会受到人类观察者的影响，一种基于摄像头的自动检测动物的系统将有助于分析奶牛群的活动。在目前的研究中，在德国北部富特坎普的农业商会，8个监控摄像头安装在一组36头正在哺乳的黑白花荷斯坦奶牛的谷仓区域上方。使用Mask R-CNN，训练卷积神经 络的最先进模型，以确定视频材料中奶牛的像素级分割掩码。该模型以上下文数据集中的Microsoft公共对象为对象进行预训练，并以标注的图像材料作为训练数据集进行迁移学习。此外，还分析了迁移学习后训练数据集的大小与模型性能之间的关系。训练后的模型对奶牛的包围盒和分割掩码检测的平均精度(交集over union, IOU = 0.5)分别达到91%和85%，为奶牛群活动的自动化分析和散居资源利用奠定了坚实的技术基础。

论文创新点

• 对36头奶牛进行了采集数据集。
• 使用了Mask R-CNN进行了训练

论文投稿期刊

文章知识点与官方知识档案匹配，可进一步学习相关知识Python入门技能树首页概览211739 人正在系统学习中