Monitoring horse behaviour with deep learning models

Claudia Giannone

doi:10.1080/01652176.2026.2665442

Monitoring horse behaviour with deep learning models

2026-04-28

0

OA

AI

Emanuela Dalla Costa *

DOI：10.1080/01652176.2026.2665442

原文链接

原文求助

摘要

En 中文

对稳定马行为的详细分析可以揭示其健康状况的准确信息。深度学习的进展现已允许通过使用视频数据来跟踪这些行为，且无需侵入性操作。本研究评估了一种卷积神经网络，用于识别关养在木制马厩中的马匹的站立、躺卧和饮水行为，并对其进行了连续29天的持续记录。模型预测结果与手动标注的真实数据进行比较。站立行为以高精度（97.5%）和高召回率（89.2%）被检测到。躺卧行为以高精度（92.8%）但较低召回率（63.1%）被分类。活动模式显示，站立占每日时间预算的绝大部分（>85%），躺卧占5-10%，而饮水行为最常发生在下午4:00至晚上10:00之间。这些结果表明，深度学习可以通过视频对常见马匹行为进行分类，支持其在自动化福利监测中的应用。未来的评估将探索对不常见行为的识别。

Keyword:

Equine welfare

computer vision

time budget

pose estimation

object detection

deep learning

equine behaviour

activity recognition

Monitoring horse behaviour with deep learning models

摘要

期刊

机构

引用论文