Broiler-Net: A Deep Convolutional Framework for Broiler Behavior Analysis in Poultry Houses

要約

鶏舎の異常を検出することは、鶏の最適な健康状態を維持し、経済的損失を最小限に抑え、収益性を高めるために非常に重要です。
この論文では、ケージフリー鶏舎で鶏の行動を分析し、異常行動を検出するための新しいリアルタイム フレームワークを紹介します。
具体的には、この研究では、2つの重大な異常、すなわち不活発なブロイラーと群がる行動が調査されています。
提案されたフレームワークは 3 つの重要なステップで構成されます: (1) 最先端の深層学習モデルを利用したニワトリの検出、(2) 高速トラッカー モジュールを使用した連続フレーム全体にわたる個々のニワトリの追跡、(3) 内部の異常な行動の検出。
ビデオストリーム。
鶏の行動を正確に評価する際の、提案されたアルゴリズムの有効性を評価するために実験研究が行われます。
この結果は、当社のフレームワークがリアルタイムの異常検出のための正確かつ効率的なソリューションを提供し、鶏の健康を維持し、養鶏場の全体的な生産性を向上させるためのタイムリーな介入を容易にすることを示しています。
Github: https://github.com/TaherehZarratEhsan/Chicken-Behavior-Analysis

要約(オリジナル)

Detecting anomalies in poultry houses is crucial for maintaining optimal chicken health conditions, minimizing economic losses and bolstering profitability. This paper presents a novel real-time framework for analyzing chicken behavior in cage-free poultry houses to detect abnormal behaviors. Specifically, two significant abnormalities, namely inactive broiler and huddling behavior, are investigated in this study. The proposed framework comprises three key steps: (1) chicken detection utilizing a state-of-the-art deep learning model, (2) tracking individual chickens across consecutive frames with a fast tracker module, and (3) detecting abnormal behaviors within the video stream. Experimental studies are conducted to evaluate the efficacy of the proposed algorithm in accurately assessing chicken behavior. The results illustrate that our framework provides a precise and efficient solution for real-time anomaly detection, facilitating timely interventions to maintain chicken health and enhance overall productivity on poultry farms. Github: https://github.com/TaherehZarratEhsan/Chicken-Behavior-Analysis

arxiv情報

提供元, 利用サービス

arxiv.jp, Google