Regulación de la Actividad de Patos de Carne a través del Fotoperíodo Basado en Aprendizaje Profundo
Autores: Duan, Enze; Han, Guofeng; Zhao, Shida; Ma, Yiheng; Lv, Yingchun; Bai, Zongchun
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Regulación de la Actividad de Patos de Carne a través del Fotoperíodo Basado en Aprendizaje Profundo
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Zootecnia
Palabras clave
Regulación
Fotoperíodo
Actividad de patos
Modelo de seguimiento multi-objeto
YOLOv8
Eficiencia agrícola
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 12
Citaciones: Sin citaciones
La regulación de la fisiología y el comportamiento de los patos a través del fotoperíodo tiene una importancia significativa para mejorar la eficiencia de la avicultura. Para aclarar el impacto del fotoperíodo en la actividad de los patos criados en grupo y cuantificar dicha actividad, este estudio propone un método que emplea un modelo de seguimiento de múltiples objetos para calcular la actividad de los patos criados en grupo. Luego, se diseñaron experimentos de cría de patos con diferentes fotoperíodos como gradientes para evaluar este impacto. El modelo de seguimiento de múltiples objetos construido para los patos criados en grupo se basó en YOLOv8. Se utilizó el módulo C2f-Faster-EMA, que combina C2f-Faster con el mecanismo de atención EMA, para mejorar el rendimiento del reconocimiento de objetos de YOLOv8. Además, se realizó un análisis del rendimiento de seguimiento de los algoritmos Bot-SORT, ByteTrack y DeepSORT en objetivos de patos de pequeño tamaño. Sobre esta base, se segmentaron las instancias de patos en las imágenes para calcular la distancia recorrida por los patos individuales, mientras que el centroide de la máscara del pato se utilizó en lugar del punto central de la caja de regresión de la máscara. El desplazamiento promedio de un solo fotograma de los patos criados en grupo se utilizó como un indicador intuitivo de su actividad. Se llevaron a cabo experimentos de cría con diferentes fotoperíodos (24L:0D, 16L:8D y 12L:12D), y se utilizó el modelo construido para calcular la actividad de los patos criados en grupo. Los resultados demostraron que el modelo YOLOv8x-C2f-Faster-EMA logró una precisión de reconocimiento de objetos (mAP@50-95) del 97.9%. El modelo mejorado YOLOv8 + Bot-SORT alcanzó una precisión de seguimiento de múltiples objetos del 85.1%. Cuando el fotoperíodo se estableció en 12L:12D, la actividad de los patos fue ligeramente inferior a la del esquema de iluminación 24L:0D de la cría comercial, pero el rendimiento de los patos fue mejor. Los métodos y conclusiones presentados en este estudio pueden proporcionar apoyo teórico para la evaluación del bienestar en la cría de patos de carne y las estrategias de regulación del fotoperíodo en la agricultura.
Descripción
La regulación de la fisiología y el comportamiento de los patos a través del fotoperíodo tiene una importancia significativa para mejorar la eficiencia de la avicultura. Para aclarar el impacto del fotoperíodo en la actividad de los patos criados en grupo y cuantificar dicha actividad, este estudio propone un método que emplea un modelo de seguimiento de múltiples objetos para calcular la actividad de los patos criados en grupo. Luego, se diseñaron experimentos de cría de patos con diferentes fotoperíodos como gradientes para evaluar este impacto. El modelo de seguimiento de múltiples objetos construido para los patos criados en grupo se basó en YOLOv8. Se utilizó el módulo C2f-Faster-EMA, que combina C2f-Faster con el mecanismo de atención EMA, para mejorar el rendimiento del reconocimiento de objetos de YOLOv8. Además, se realizó un análisis del rendimiento de seguimiento de los algoritmos Bot-SORT, ByteTrack y DeepSORT en objetivos de patos de pequeño tamaño. Sobre esta base, se segmentaron las instancias de patos en las imágenes para calcular la distancia recorrida por los patos individuales, mientras que el centroide de la máscara del pato se utilizó en lugar del punto central de la caja de regresión de la máscara. El desplazamiento promedio de un solo fotograma de los patos criados en grupo se utilizó como un indicador intuitivo de su actividad. Se llevaron a cabo experimentos de cría con diferentes fotoperíodos (24L:0D, 16L:8D y 12L:12D), y se utilizó el modelo construido para calcular la actividad de los patos criados en grupo. Los resultados demostraron que el modelo YOLOv8x-C2f-Faster-EMA logró una precisión de reconocimiento de objetos (mAP@50-95) del 97.9%. El modelo mejorado YOLOv8 + Bot-SORT alcanzó una precisión de seguimiento de múltiples objetos del 85.1%. Cuando el fotoperíodo se estableció en 12L:12D, la actividad de los patos fue ligeramente inferior a la del esquema de iluminación 24L:0D de la cría comercial, pero el rendimiento de los patos fue mejor. Los métodos y conclusiones presentados en este estudio pueden proporcionar apoyo teórico para la evaluación del bienestar en la cría de patos de carne y las estrategias de regulación del fotoperíodo en la agricultura.