MPG-SwinUMamba: Segmentación de alta precisión y medición automatizada del área del músculo ocular en ovejas vivas basada en aprendizaje profundo
Autores: Zhang, Zhou; Yue, Yaojing; Li, Fuzhong; Guo, Leifeng; Pavlova, Svitlana
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
MPG-SwinUMamba: Segmentación de alta precisión y medición automatizada del área del músculo ocular en ovejas vivas basada en aprendizaje profundo
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Zootecnia
Palabras clave
área del músculo ocular
Rendimiento de la carcasa de oveja
Calidad de la carne
Modelo de segmentación de aprendizaje profundo
Imágenes de ultrasonido
Cría genética
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 8
Citaciones: Sin citaciones
El área del músculo ocular (EMA) es un indicador crítico para evaluar el rendimiento de la canal de ovejas y la calidad de la carne. Para permitir una medición precisa y no invasiva del EMA en animales vivos, desarrollamos MPG-SwinUMamba, un modelo de segmentación de aprendizaje profundo eficiente que analiza automáticamente y con precisión las imágenes de ultrasonido. Los resultados experimentales validaron la precisión y el alto rendimiento del modelo. Este enfoque automatizado simplifica la adquisición y el análisis de datos, mejora la eficiencia y la fiabilidad de las mediciones, y proporciona un valioso apoyo metodológico para la cría genética y la gestión de precisión en la industria de la carne de oveja.
Descripción
El área del músculo ocular (EMA) es un indicador crítico para evaluar el rendimiento de la canal de ovejas y la calidad de la carne. Para permitir una medición precisa y no invasiva del EMA en animales vivos, desarrollamos MPG-SwinUMamba, un modelo de segmentación de aprendizaje profundo eficiente que analiza automáticamente y con precisión las imágenes de ultrasonido. Los resultados experimentales validaron la precisión y el alto rendimiento del modelo. Este enfoque automatizado simplifica la adquisición y el análisis de datos, mejora la eficiencia y la fiabilidad de las mediciones, y proporciona un valioso apoyo metodológico para la cría genética y la gestión de precisión en la industria de la carne de oveja.