直播課程
豬的姿勢可以作為其心理和生理狀態的重要指標，並有助於預測其自然行為，這直接關係到豬的健康，從而影響豬的生產價值，豬姿勢通常是各種外在因素影響，在過去對動物行為和姿勢的研究中，豬的姿勢和位置通常是透過現場觀察或監測記錄來記錄的，而人工檢測豬的姿勢相當耗時，因此導致豬評估效率低，隨著人工智慧發展，智慧農業的概念在養殖業中逐漸流行，用於自動化替代人工進行監測農畜行為模式。
研究重點透過感測器與光學攝影機獲取豬相關物理參數，然後透過特定數據建模分析間接評估豬的行為或姿勢模式，用於豬姿勢偵測的二維相機主要包括RGB相機和灰階相機，固定在豬欄上方，鏡頭朝下以獲得垂直俯視圖。研究人員可以將某些影像或影片輸入機器視覺模型，以偵測並估計豬圈內每頭豬的個別姿勢，並進一步使用機器深度學習模型(如YOLOv4、卷積神經網路)，可立即判斷當下豬隻狀況。
研究結果結合影像及深度學習方法成功檢測豬姿勢，獲得了高達99.21%的召回率和95.21%的分類準確率，利用感測器與攝影機獲取之數據，以深度學習模型分析替代人工現場檢測，不會有時間誤差及影響豬隻等外在因素。
研究成果已發表在科學期刊《農業科技特刊》，研究團隊成功透過機器學習、模型架構遠端監測豬隻行為與姿勢，準確檢測和分析豬的姿勢模式可以幫助養殖業調整和優化養殖方案，從而提高豬商業價值。未來可廣泛運用在其他動物養殖種類，優化養殖方案，為養殖、畜牧業提高商業價值之貢獻。
文章來源
<農業科技決策資訊平台>
