Identifying mounting behaviour in boars using deep learning-based instance segmentation and binary classification - a pilot study

doi:10.3389/fbinf.2026.1869902

Identifying mounting behaviour in boars using deep learning-based instance segmentation and binary classification - a pilot study

2026-09-05

0

OA

AI

DOI：10.3389/fbinf.2026.1869902

原文链接

原文求助

摘要

En 中文

引言：群居猪只的爬跨行为对福利和生产效率构成显著挑战，常导致受伤和应激。为解决此问题，我们开发了一种基于计算机视觉的新型自动检测猪只爬跨行为的方法。方法：本研究在8头4～5月龄、体重60～90 kg的公猪中进行，将其分为两组，每组4头。使用顶部摄像头连续采集一周视频，共获得766段2秒视频片段。所提出的混合方法整合了基于掩码的区域卷积神经网络（Mask R-CNN）实例分割与二分类器。为评估模型在不同数据条件下的性能，采用三种数据分组方案将数据集分为训练集、验证集和测试集：按帧、按片段和按天。结果：在五种评估的二分类算法中，基于其优越性能，选择了支持向量机（SVM）。混合系统在按片段划分时达到95%的平衡准确率和F1分数，按帧划分时提升至99%，按天划分时降至74%。讨论：在试点条件下，该系统为群居猪只爬跨行为的连续监测提供了可行的概念验证，处理速度为每秒5帧。此能力为支持早期干预和主动福利管理提供了强大潜力，需进一步多站点验证。未来研究将聚焦于整合个体动物追踪和开展更大规模研究，以探索系统的可扩展性并提升其性能。

Keyword:

deep learning,computer vision,classification,segmentation,swine,boars,mounting

Identifying mounting behaviour in boars using deep learning-based instance segmentation and binary classification - a pilot study

摘要

期刊

机构