Segmentation Enhanced Lameness Detection in Dairy Cows from RGB and Depth Video

要約

牛の跛行は、乳牛のライフサイクルや生活の質に影響を与え、多大な経済的損失をもたらす深刻な疾患です。跛行の早期発見は、酪農家が病気に早期に対処し、牛の状態の悪化による悪影響を回避するのに役立つ。我々は、搾乳場から廊下を通過する牛の短いクリップのデータセットを収集し、牛の跛行の程度をアノテーションした。本論文では、得られたデータセットを調査し、データ収集の過程を詳細に説明する。さらに、事前に学習させたニューラルネットワークを活用し、動画から識別可能な特徴を抽出し、各牛の状態を示す2値（「健康」または「跛行」）を割り当てる跛行検出手法を提案した。我々はこの手法を改良し、モデルに牛の構造に注目させる。これは、RGB動画を、学習済みセグメンテーションモデルで予測した2値セグメンテーションマスクに置き換えることで実現する。この研究は、農場での牛の跛行検知のためのコンピュータビジョンモデルの適用性について、研究を奨励し、洞察を提供することを目的としています。

要約(オリジナル)

Cow lameness is a severe condition that affects the life cycle and life quality of dairy cows and results in considerable economic losses. Early lameness detection helps farmers address illnesses early and avoid negative effects caused by the degeneration of cows’ condition. We collected a dataset of short clips of cows passing through a hallway exiting a milking station and annotated the degree of lameness of the cows. This paper explores the resulting dataset and provides a detailed description of the data collection process. Additionally, we proposed a lameness detection method that leverages pre-trained neural networks to extract discriminative features from videos and assign a binary score to each cow indicating its condition: ‘healthy’ or ‘lame.’ We improve this approach by forcing the model to focus on the structure of the cow, which we achieve by substituting the RGB videos with binary segmentation masks predicted with a trained segmentation model. This work aims to encourage research and provide insights into the applicability of computer vision models for cow lameness detection on farms.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL