Sistema automático de predicción de peso para ganado coreano utilizando el algoritmo de la cresta bayesiana en imágenes RGB-D
Autores: Na, Myung Hwan; Cho, Wan Hyun; Kim, Sang Kyoon; Na, In Seop
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Sistema automático de predicción de peso para ganado coreano utilizando el algoritmo de la cresta bayesiana en imágenes RGB-D
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Peso
Hanwoo
Ganado coreano
Predicción automática
Aprendizaje profundo
Reconocimiento de imágenes
Imágenes RGB-D
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 21
Citaciones: Sin citaciones
Pesar el Hanwoo (ganado coreano) es muy importante para los productores de carne de res coreana al vender el Hanwoo en el momento adecuado. Recientemente, se está llevando a cabo una investigación sobre la predicción automática del peso del Hanwoo solo a través de imágenes con el logro de la investigación utilizando aprendizaje profundo y reconocimiento de imágenes. En este documento, proponemos un método para la predicción automática del peso del Hanwoo utilizando el algoritmo de regresión bayesiana en imágenes RGB-D. El sistema propuesto consta de tres partes: segmentación, extracción de características y estimación del peso del ganado coreano a partir de una imagen RGB-D dada. El primer paso es segmentar el área de Hanwoo de una imagen RGB-D dada utilizando información de profundidad e información de color, respectivamente, y luego combinarlas para realizar una segmentación óptima. Además, corregimos la postura utilizando ajuste de elipse en la imagen corporal segmentada. El segundo paso es extraer características para la predicción de peso de la imagen de Hanwoo segmentada. Extraímos tres características: tamaño, forma y gradientes. El tercer paso es encontrar el modelo de aprendizaje automático óptimo comparando ocho tipos de modelos de aprendizaje automático conocidos. En este paso, comparamos cada modelo con el objetivo de encontrar un modelo eficiente que sea liviano y pueda ser utilizado en un sistema integrado en el campo real. Para evaluar el rendimiento del sistema propuesto de predicción de peso, recopilamos 353 imágenes RGB-D de granjas de ganado en Wonju, Gangwon-do en Corea. En los resultados experimentales, random forest mostró el mejor rendimiento, y el modelo de regresión bayesiana es el segundo mejor en el error cuadrático medio o el coeficiente de determinación. Sin embargo, sugerimos que el modelo de regresión bayesiana es el modelo más óptimo en cuanto a complejidad temporal y complejidad espacial. Finalmente, se espera que el sistema propuesto se utilice de manera informal para determinar el momento de envío de Hanwoo en granjas silvestres para un dispositivo comercial portátil.
Descripción
Pesar el Hanwoo (ganado coreano) es muy importante para los productores de carne de res coreana al vender el Hanwoo en el momento adecuado. Recientemente, se está llevando a cabo una investigación sobre la predicción automática del peso del Hanwoo solo a través de imágenes con el logro de la investigación utilizando aprendizaje profundo y reconocimiento de imágenes. En este documento, proponemos un método para la predicción automática del peso del Hanwoo utilizando el algoritmo de regresión bayesiana en imágenes RGB-D. El sistema propuesto consta de tres partes: segmentación, extracción de características y estimación del peso del ganado coreano a partir de una imagen RGB-D dada. El primer paso es segmentar el área de Hanwoo de una imagen RGB-D dada utilizando información de profundidad e información de color, respectivamente, y luego combinarlas para realizar una segmentación óptima. Además, corregimos la postura utilizando ajuste de elipse en la imagen corporal segmentada. El segundo paso es extraer características para la predicción de peso de la imagen de Hanwoo segmentada. Extraímos tres características: tamaño, forma y gradientes. El tercer paso es encontrar el modelo de aprendizaje automático óptimo comparando ocho tipos de modelos de aprendizaje automático conocidos. En este paso, comparamos cada modelo con el objetivo de encontrar un modelo eficiente que sea liviano y pueda ser utilizado en un sistema integrado en el campo real. Para evaluar el rendimiento del sistema propuesto de predicción de peso, recopilamos 353 imágenes RGB-D de granjas de ganado en Wonju, Gangwon-do en Corea. En los resultados experimentales, random forest mostró el mejor rendimiento, y el modelo de regresión bayesiana es el segundo mejor en el error cuadrático medio o el coeficiente de determinación. Sin embargo, sugerimos que el modelo de regresión bayesiana es el modelo más óptimo en cuanto a complejidad temporal y complejidad espacial. Finalmente, se espera que el sistema propuesto se utilice de manera informal para determinar el momento de envío de Hanwoo en granjas silvestres para un dispositivo comercial portátil.