.png){kind=icon}
返回
Feed bunk score images classification using deep transfer learning
.png){kind=icon}
PRE
AI
DOI：10.1007/s11760-025-04670-y.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
育肥牛亚优化的饲槽管理目前依赖主观的手动和视觉方法，显著损害动物健康、生产性能及经济效益。本研究提出了一种基于深度学习卷积神经网络（Convolutional Neural Networks）的饲槽评估客观方法。我们使用公开的Feed Bunk Score Images数据集中的1,511张图像训练模型，这些图像根据South Dakota State University评分系统进行了标注。针对该问题，我们提出了一种特定的微调配置，在评估每个网络时冻结了特定层。为提升结果，我们将每个网络的最佳配置组合成加权平均集成。为找到最适合评分分类问题的网络组合权重，我们应用了模拟退火（Simulated Annealing）元启发式算法。此外，另一项贡献是对根据日粮调整（增加、维持或减少）进行的图像分类评估。该集成方法表现出高效能，在饲槽评分分类上达到95.37%的总体准确率，在日粮调整分类上达到令人印象深刻的97.88%准确率。这些结果表明，神经网络在支持饲槽管理实践方面具有应用潜力。
Keyword:
Animal nutrition
Feed bunk score
Computer vision
Neural networks
Precision livestock