基于计算机视觉的奶牛生理参数监测与疾病诊断研究进展及挑战
康熙, 刘刚, 初梦苑, 李前, 王彦超

Advances and Challenges in Physiological Parameters Monitoring and Diseases Diagnosing of Dairy Cows Based on Computer Vision
KANG Xi, LIU Gang, CHU Mengyuan, LI Qian, WANG Yanchao
表5 基于计算机视觉技术的奶牛跛行识别相关研究
Table 5 Researches on lameness detection of dairy cow based on computer vision
文献年份相机类型分类算法跛行特征研究结果样本量/个
Poursaberi等［92］2010可见光阈值判别弓背灵敏度为100%，特异性为97.60%，准确率为94.70%184
宋怀波等［93］2018可见光KNN ①头颈部轮廓准确率为93.00%30
Kang等［94］2020可见光阈值判别对称性准确率为96.00%100
Jiang等［95］2022可见光BiLSTM ②弓背准确率为96.61%90
Kang等［96］2022可见光DenseNet对称性、跟随性灵敏度为98.50%，特异性为99.25%，准确率为98.50%456
Viazzi等［97］2014深度决策树弓背灵敏度为82.00%，特异性为91.00%，准确率为90.00%273
Jabbar等［98］2017深度SVM ③对称性

灵敏度为100.00%，特异性为75.00%，准确率

为95.70%

22
Alsaaod和Büscher［99］2012热红外阈值判别牛蹄温度灵敏度为80.00%，特异性为82.90%24
Alsaaod等［100］2014热红外阈值判别前后牛蹄温度差灵敏度为89.10%，特异性为66.60%149
康熙等［101］2021热红外阈值判别弓背准确率为90.00%160