奶牛跛行自动识别技术研究现状与挑战

韩书庆, 张晶, 程国栋, 彭英琦, 张建华, 吴建寨

Current State and Challenges of Automatic Lameness Detection in Dairy Cattle

Shuqing HAN, Jing ZHANG, Guodong CHENG, Yingqi PENG, Jianhua ZHANG, Jianzhai WU

表 2 基于机器视觉技术的跛行识别相关研究

Table 2 Researches on lameness detection based on machine vision

文献 年份 跛行特征 分类算法 成像技术 召回率/% 真负率/% 准确率/% 成熟度 样本量 Poursaberi等[15] 2010 弓背 阈值判别 2D —— —— 96.00 算法开发 184 Viazzi等[18] 2013 弓背 决策树 2D 91.00 —— 91.00 算法开发 8 Viazzi等[17] 2014 弓背 决策树 3D 82.00 91.00 90.00 算法开发 273 Hertem等[25] 2014 弓背 多类别逻辑回归、线性回归 3D 47.1~54.9 90.4~94.1 60.2（5分制）81.2（二分类） 性能验证 186 顾静秋等[16] 2017 弓背、运动量 —— 2D、加速度计 —— —— 80.00 算法开发 400 Jabbar等[26] 2017 步态对称性 SVM 3D 100.00 75.00 95.70 性能验证 22 温长吉等[22] 2018 弓背、步态异常 SVM 2D —— —— 93.30 算法开发 500 Zhao等[23] 2018 行走速度、步态对称性、步幅等 决策树 2D 90.25 94.74 90.18 算法开发 98 Gardenier等[27] 2018 牛蹄跟随性、牛蹄侧偏量 —— 3D —— —— —— 算法开发 223 宋怀波等[19] 2018 点头 KNN 2D —— —— 93.89 算法开发 30 康熙等[20] 2019 牛蹄跟随性 阈值判别 2D 93.30 —— —— 算法开发 30 Jiang等[28] 2019 行走速度 前景像素统计分析 2D 90.00 —— —— 算法开发 16