Predicción del peso vivo de ganado basada en regresión profunda de imágenes RGB-D
Autores: Ruchay, Alexey; Kober, Vitaly; Dorofeev, Konstantin; Kolpakov, Vladimir; Gladkov, Alexey; Guo, Hao
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Predicción del peso vivo de ganado basada en regresión profunda de imágenes RGB-D
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Ciencias Agrícolas y Biológicas Generales
Palabras clave
Peso vivo
Ganado
Medidas morfométricas
Ecuaciones de regresión
Tecnologías de visión por computadora
Aprendizaje profundo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 27
Citaciones: Sin citaciones
Predecir el peso vivo del ganado nos ayuda a monitorear la salud de los animales, realizar selección genética y determinar el momento óptimo de sacrificio. En las granjas grandes, se utilizan balanzas industriales precisas y costosas para medir el peso vivo. Sin embargo, una alternativa prometedora es estimar el peso vivo utilizando medidas morfométricas del ganado y luego aplicar ecuaciones de regresión que relacionen dichas medidas con el peso vivo. Las medidas manuales en los animales utilizando una cinta métrica son tediosas y estresantes para los animales. Por lo tanto, las tecnologías de visión por computadora se utilizan cada vez más para medidas morfométricas sin contacto. El documento propone un nuevo modelo para predecir el peso vivo basado en la mejora de nubes tridimensionales en forma de proyecciones planas y regresión de imagen con aprendizaje profundo. Se muestra que en conjuntos de datos reales, la precisión de la medición de peso utilizando el modelo propuesto alcanza el 91.6%. También discutimos la aplicabilidad potencial del enfoque propuesto a la ganadería.
Descripción
Predecir el peso vivo del ganado nos ayuda a monitorear la salud de los animales, realizar selección genética y determinar el momento óptimo de sacrificio. En las granjas grandes, se utilizan balanzas industriales precisas y costosas para medir el peso vivo. Sin embargo, una alternativa prometedora es estimar el peso vivo utilizando medidas morfométricas del ganado y luego aplicar ecuaciones de regresión que relacionen dichas medidas con el peso vivo. Las medidas manuales en los animales utilizando una cinta métrica son tediosas y estresantes para los animales. Por lo tanto, las tecnologías de visión por computadora se utilizan cada vez más para medidas morfométricas sin contacto. El documento propone un nuevo modelo para predecir el peso vivo basado en la mejora de nubes tridimensionales en forma de proyecciones planas y regresión de imagen con aprendizaje profundo. Se muestra que en conjuntos de datos reales, la precisión de la medición de peso utilizando el modelo propuesto alcanza el 91.6%. También discutimos la aplicabilidad potencial del enfoque propuesto a la ganadería.