抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ビデオ解析は正確な酪農,は生産性を増加させ,り患率を低減するための有用な動物の挙動を知覚するための広く用いられている。個々の乳牛を認識するためにコンピュータビジョン技術を用いた自動搾乳と給餌システムの効率を改善することが可能である。個々の乳牛の効果的で正確な認識は,動物行動を記録し,自動的に解析する必要条件と基礎である。個体認識の古典的な方法として,高周波識別装置(RFID)と呼ばれる,典型的な電子識別装置は頚部または動物の別の位置に設置しなければならない。しかし利用可能な距離は限られており,RFIDタグはタグ,焼戻,及び動物福祉損失のようないくつかの不足に悩まされている。RFID法を用いたビデオにおける個々の乳牛を認識するために余分な装置と冗長プロセスを必要とする。,画像処理法を利用した飼養環境における個々の乳牛を認識するための正確で効率的なシステムを開発する必要がある。本論文では,個々の乳牛は,ビデオ解析法を用いた畳込みニューラルネットワークに基づく身体イメージを用いて認めた。乳牛は,水桶の狭い通路を通過する704画素×576画素の分解能で側面画像を記録した。標的検出のためのフレーム差分法は,ウシの概要と運動境界を得るために実行した。ターゲット画像をいくつかの同じ幅積することにより,頭部と尾部は断面における標的の分布をチェック後の画像から除去された。の高さに対する体の深さの比は0.6に固定したので,ボディエリアはボックス正接を背部姿勢に位置していた,それの0.8倍をズーム外部冗長性を除去した。ボディイメージの追跡のために,使用前のフレームにおけるターゲット画像に対する類似性を計算することにより,現在のフレームにおけるボディエリアを見出すことであったテンプレートマッチング法。畳込みニューラルネットワークは,乳牛のボディイメージの特性を解析し,構築した。ネットワークは1入力層,畳込みサブサンプリング層の二群,1出力層から成っていた。畳込みカーネルのサイズは5×5であり,サブサンプリングサイズは2×2であった。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】