YOLOv8-DMC: Habilitando la Medición Corporal 3D de Ganado sin Contacto a través de la Detección Mejorada de Puntos Clave
Autores: Weng, Zhi; Hao, Wenwen; Gong, Caili; Zheng, Zhiqiang
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
YOLOv8-DMC: Habilitando la Medición Corporal 3D de Ganado sin Contacto a través de la Detección Mejorada de Puntos Clave
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Zootecnia
Palabras clave
Tamaño del cuerpo
Ganado
Sistema automatizado
Modelo de aprendizaje profundo
Datos de profundidad en 3D
Medición
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 8
Citaciones: Sin citaciones
Medir con precisión el tamaño corporal del ganado es esencial para el monitoreo de la salud y la gestión efectiva de la granja. Los métodos manuales tradicionales son lentos, requieren mucho trabajo y pueden causar estrés a los animales. En este estudio, desarrollamos un sistema automatizado y sin contacto que combina la detección de puntos clave basada en imágenes con datos de profundidad en 3D para estimar medidas corporales clave. Se mejoró un modelo de aprendizaje profundo ligero para detectar mejor los puntos anatómicos incluso en condiciones de poca luz o con oclusión parcial. El sistema también procesa información de profundidad para crear un modelo 3D claro del animal, lo que permite medir de manera confiable características como la altura, la longitud y la circunferencia de las extremidades. Diseñado para funcionar en dispositivos de bajo consumo, este método ofrece una solución práctica para el monitoreo en tiempo real del ganado en entornos agrícolas del mundo real.
Descripción
Medir con precisión el tamaño corporal del ganado es esencial para el monitoreo de la salud y la gestión efectiva de la granja. Los métodos manuales tradicionales son lentos, requieren mucho trabajo y pueden causar estrés a los animales. En este estudio, desarrollamos un sistema automatizado y sin contacto que combina la detección de puntos clave basada en imágenes con datos de profundidad en 3D para estimar medidas corporales clave. Se mejoró un modelo de aprendizaje profundo ligero para detectar mejor los puntos anatómicos incluso en condiciones de poca luz o con oclusión parcial. El sistema también procesa información de profundidad para crear un modelo 3D claro del animal, lo que permite medir de manera confiable características como la altura, la longitud y la circunferencia de las extremidades. Diseñado para funcionar en dispositivos de bajo consumo, este método ofrece una solución práctica para el monitoreo en tiempo real del ganado en entornos agrícolas del mundo real.