PSI-16 Estimation of pigs live body weight from digital images using reference objects
Notice bibliographique
Résumé
Abstract The live body weight (LBW) is an important parameter providing guidance for estimation of growth and feed conversion efficiency, body condition, presence of disease, and management of housing, nutrition and animal health in different life stages of livestock. This research study explores the possibility of developing a semi-automatic analytic system that estimates the LBW of pigs by applying machine learning methods that use approximated biometric measurements extracted from digital images acquired with consumer-level cameras in the presence of a reference object. Images corresponding to 12 pigs were sampled on two different dates 1 month apart and acquired using a consumer-level Motorola X4 mobile phone. The best 3 images for each pig were selected for each time point. Six measurements were extracted from each image using ImageJ. A total of 72 data points were analyzed using RStudio, and the generated correlation plot confirmed the positive correlations between the 6 predictors and LBW. Five machine learning (ML) methods were used to model the dependency between the measured parameters and LBW using WEKA. The Random Forest model outperformed all the other models and predicted LBW with the highest prediction accuracy (97%) and the lowest prediction error (MAE = 6.54), which could represent a good candidate for further studies. In conclusion, the semi-automatic image-based system is a promising approach combining machine learning, digital image analysis and manual scale extraction with the aid of reference objects of known size for accurate pig LBW estimation. The next stage of this study aims to integrate automatic image acquisition and image processing solutions in the current approach. This novel system will be cost- and time-efficient, and it can contribute to the development of intelligent solutions for scientific research and enhancing animal productivity in commercial pig farms.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».