摘要: | 研究目的:在現有已開發的牛隻發情自動偵測系統中,都存在無法有效偵測所有的發情行為,只有全天候的影像監控錄影方式才可解決此問題,不過全時影像記錄結果需耗費大量的人力時間來檢視,若能透過自動化影像處理技術來判定牛隻站立發情的影像時間點,將可克服全時影像記錄的缺點。
研究方法:以深度學習 Yolo V5 演算法的影像辨識開發乳牛發情偵測系統,主要研究方法是使用 Yolo V5 將需要偵測的圖像進行訓練,當牛隻發情動作發生時系統可偵測出有牛隻發情駕騎動作的發生,並記錄發情的影像時間點於資料庫內,接著只需再檢視此特定發情時間點的影像來辨識出發情牛。
研究結果:本研究利用深度學習技術應用於駕騎動作的偵測,採用 YOLO V5 為訓練時使用的深度學習模型,而用於模型訓練的駕騎圖片有 70 張, 15 張用於模型訓練後的測試。系統偵測時可以獲得良好的牛隻駕騎動作的偵測結果。 |